公开(公告)号：CN119939240A

公开(公告)日：2025-05-06

申请号：CN202411837713.3

申请日：2024-12-13

Applicant: 云南电网有限责任公司信息中心

Inventor： 李辉 ,  朱延杰 ,  曾晓雯 ,  陆光前 ,  任雪斌 ,  李亚男 ,  杨树森 ,  赵鹏 ,  赵聪

IPC: G06F18/214 ,  G06F18/241 ,  G06F18/25 ,  G06N3/042 ,  G06N3/084 ,  G06N3/045 ,  G06N20/20

Abstract: 本发明公开了一种子图与节点级采样方法及系统，方法包括：获取节点集和边集，根据所述节点集和边集构建图神经网络的输入图，基于所述输入图，利用第一社区发现算法构建训练批次的子图；基于所述子图，通过随机游走构建虚拟邻域，对目标节点的领域重要性进行评估和采样；对训练的所述图神经网络进行集成，得到第一图神经网络，并将所述第一图神经网络作为基本学习器，利用并行化训练同质基本学习器，并利用多方投票策略进行集成预测，对所述图神经网络进行迭代训练，直至达到学习终止条件，在平衡训练效率和模型精度方面有很好的实际应用价值。

公开(公告)号：CN119886283A

公开(公告)日：2025-04-25

申请号：CN202411826211.0

申请日：2024-12-12

Applicant: 云南电网有限责任公司信息中心

Inventor： 曾晓雯 ,  李辉 ,  朱延杰 ,  张冠豫 ,  任雪斌 ,  李亚男 ,  杨树森 ,  赵鹏 ,  赵聪

IPC: G06N3/098 ,  G06N3/0895 ,  G06N3/088 ,  G06N3/042 ,  G06N3/0455 ,  G06F18/20 ,  G06F18/22 ,  G06F21/62

Abstract: 本发明属于隐私计算和数据安全领域，尤其涉及到基于深度图相似性学习的个性化联邦图学习方法及系统，收集本地图数据，通过横向联邦平均式学习得到无监督图编码器；将本地图数据输入到无监督图编码器，计算稠密向量；将稠密向量输入中心服务器计算相似度，构建个性化模型；根据个性化模型对参与方进行联邦迭代训练；本发明基于深度图相似度学习的个性化参数聚合机制和基于均匀化标签分布的参与方选择机制两个核心部分组成，通过协同训练一个无监督的图编码器，并基于参与方本地图数据生成低维稠密向量，使得参与方实际得到的模型能够适配于本地数据，使得实际参与训练的数据分布尽可能均匀，使得信息的表征更加全面，提升模型的普适性和泛化性。

公开(公告)号：CN119849597A

公开(公告)日：2025-04-18

申请号：CN202411829342.4

申请日：2024-12-12

Applicant: 云南电网有限责任公司信息中心

Inventor： 朱延杰 ,  曾晓雯 ,  陆光前 ,  李辉 ,  李亚男 ,  任雪斌 ,  杨树森 ,  赵鹏 ,  赵聪

IPC: G06N3/098 ,  G06F18/2321 ,  G06F18/23213

Abstract: 本发明公开了一种联邦学习方法及系统，方法包括：获取参与方标签数据的分布信息，对所述分布信息进行初始化聚类；基于初始化聚类结果，利用第一聚类算法将参与方进行聚类，得到离群点，将所述离群点分配到相应的簇中；提取每个簇中的模型参数，进行基于模型参数距离的聚类，并对聚类结果进行第一判断；若第一判断结果为分裂，则进行重聚类调整，从而提升联邦训练模型的精度。