-
公开(公告)号：CN116706888A
公开(公告)日：2023-09-05
申请号：CN202310661574.2
申请日：2023-06-05
Applicant: 南京信息工程大学
IPC: H02J3/00 , H02J13/00 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/0442 , G06N3/098 , G06N3/0985
Abstract: 本申请涉及一种基于联邦学习的智能电网负荷预测方法。该方法包括：将电力数据集进行分类，分成训练集、测试集和验证集，各客户端采用训练集构建自身的基于LSTM网络的电网负荷预测模型，获得初步网络参数上传至服务器端进行联合训练，服务器端根据初步网络参数，基于MMD的模型迁移方法对基于LSTM网络的电网负荷预测全局模型进行联合训练，再使用测试集和验证集进行测试验证，获得最终网络参数，并将最终网络参数返回给各客户端更新为最终网络参数，获得各客户端的基于LSTM网络的电网负荷预测全局模型进行电力负荷预测，以确定平均绝对误差，由此，处理的数据量会大大减少，可以解决数据上传的延迟且数据量较大的问题，提高了电力的负荷预测的处理效率。
-
公开(公告)号：CN112926126B
公开(公告)日：2023-04-25
申请号：CN202110345776.7
申请日：2021-03-31
Applicant: 南京信息工程大学
IPC: G06F30/13 , G06F30/27 , G06F18/23213 , G06F18/20 , G06F18/214 , G06F111/08
Abstract: 本发明公开了一种基于马尔可夫随机场的联邦学习方法，利用联邦学习将用户在不同设备的存储的声纹特征、智能设备拍摄异常照片等特定情形，设置一键紧急呼救等报警信息，共同建立本地模型传输到云端，在确保用户隐私不泄露的前提下，将各个设备参数加入到马尔科夫随机场概率图模型G(V，E)，最后上传到云端建立出一个泛化性能高的全局模型。本发明在马尔可夫随机场的加入下，使得联邦建模的参数得到进一步优化，并举例将联合建模的模型应用到家用智能家居上。
-
公开(公告)号：CN113379715A
公开(公告)日：2021-09-10
申请号：CN202110703619.9
申请日：2021-06-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种水下图像增强和数据集真值图像获得方法，涉及图像质量增强领域，将自然图像质量评估方法(Natural Image Quality Evaluator,NIQE)作为FUnIE‑GAN的损失函数的一部分，进行图像增强工作；以NIQE值为指标，对于不同的数据集，采用遍历或者最优化的方法，寻找到数据集中最优的NIQE的权重，同时用该模型还原数据集中的图像，作为真值图片，用于后期的训练；采用最优损失权重系数下训练得到的网络模型进行实际场景的水下图像增强，输出增强后的水下图像。本发明方法具有更佳的NIQE指标，在颜色的直方图分布上更加均匀，更符合人眼感受，超出现有数据集所设置真值图像的效果。
-
公开(公告)号：CN113378656A
公开(公告)日：2021-09-10
申请号：CN202110564099.8
申请日：2021-05-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于自适应图卷积神经网络的动作识别方法和装置，方法包括：S1，生成人体骨骼数据集；S2，将相邻骨骼边之间的角度作为深层次的空间特征；S3，计算得到每个关键节点的平均能量变化值，将其作为深层次的时间特征；S4，构建双流图卷积神经网络；S5，对双流图卷积神经网络进行扩展，并联2个新增子网络，搭建动作识别模型，新增子网络分别用于对空间特征和时间特征进行处理的子网络；该动作识别模型用于同时对关节数据、骨骼数据、深层次的空间特征和深层次的时间特征进行处理，计算得到对应的动作类型。本发明能够有效提高图卷积网络在动作识别领域的识别精度。
-
公开(公告)号：CN113378656B
公开(公告)日：2023-07-25
申请号：CN202110564099.8
申请日：2021-05-24
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自适应图卷积神经网络的动作识别方法和装置，方法包括：S1，生成人体骨骼数据集；S2，将相邻骨骼边之间的角度作为深层次的空间特征；S3，计算得到每个关键节点的平均能量变化值，将其作为深层次的时间特征；S4，构建双流图卷积神经网络；S5，对双流图卷积神经网络进行扩展，并联2个新增子网络，搭建动作识别模型，新增子网络分别用于对空间特征和时间特征进行处理的子网络；该动作识别模型用于同时对关节数据、骨骼数据、深层次的空间特征和深层次的时间特征进行处理，计算得到对应的动作类型。本发明能够有效提高图卷积网络在动作识别领域的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN112926126A
公开(公告)日：2021-06-08
申请号：CN202110345776.7
申请日：2021-03-31
Applicant: 南京信息工程大学
IPC: G06F30/13 , G06F30/27 , G06K9/62 , G06F111/08
Abstract: 本发明公开了一种基于马尔可夫随机场的联邦学习方法，利用联邦学习将用户在不同设备的存储的声纹特征、智能设备拍摄异常照片等特定情形，设置一键紧急呼救等报警信息，共同建立本地模型传输到云端，在确保用户隐私不泄露的前提下，将各个设备参数加入到马尔科夫随机场概率图模型G(V，E)，最后上传到云端建立出一个泛化性能高的全局模型。本发明在马尔可夫随机场的加入下，使得联邦建模的参数得到进一步优化，并举例将联合建模的模型应用到家用智能家居上。
-
公开(公告)号：CN111640081A
公开(公告)日：2020-09-08
申请号：CN202010517425.5
申请日：2020-06-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于优化和暗通道的水下图像恢复方法，包括以下步骤：（1）暗通道还原：以经典暗通道理论为依据，对水下图像进行还原；（2）无参考图像质量评价：使用无参考图像质量作为评价指标，根据失真图像的自身特征来估计图像的质量；（3）整体优化：使用无参考图像质量作为评价指标，利用优化算法对经典暗通道理论中的参数进行优化。本发明可以针对输入的不同水下图像，基于经典暗通道理论和无参考图像质量评价，自动改变其景深还原参数，以最好的图像还原效果进行输出，从而提高了水下图像还原的质量。
-
公开(公告)号：CN113378243B
公开(公告)日：2023-09-29
申请号：CN202110792988.X
申请日：2021-07-14
Applicant: 南京信息工程大学
IPC: G06F21/64 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多头注意力机制的个性化联邦学习方法，其特征在于包含以下步骤：步骤一：搭建联邦学习局部模型多头注意力机制模型：将多头注意力机制用于最经典的卷积神经网络中，通过多头注意力机制，保留关键信息，更好地进行特征提取和选择，提高识别的准确性；步骤二：搭建联邦学习全局模型多头注意力机制模型：考虑到各个局部模型的个性化问题对全局模型的影响，在将全局模型参数发送给局部模型时，根据模型的个性化特性做出相应变化。本发明可以考虑到提取特征的相关性，以及考虑到各个客户端合理的个性化带来的数据差异性的方法，能够在保证准确率提高的基础上，增加数据的个性化程度。
-
公开(公告)号：CN111640081B
公开(公告)日：2023-04-28
申请号：CN202010517425.5
申请日：2020-06-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于优化和暗通道的水下图像恢复方法，包括以下步骤：（1）暗通道还原：以经典暗通道理论为依据，对水下图像进行还原；（2）无参考图像质量评价：使用无参考图像质量作为评价指标，根据失真图像的自身特征来估计图像的质量；（3）整体优化：使用无参考图像质量作为评价指标，利用优化算法对经典暗通道理论中的参数进行优化。本发明可以针对输入的不同水下图像，基于经典暗通道理论和无参考图像质量评价，自动改变其景深还原参数，以最好的图像还原效果进行输出，从而提高了水下图像还原的质量。
-
公开(公告)号：CN113378243A
公开(公告)日：2021-09-10
申请号：CN202110792988.X
申请日：2021-07-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多头注意力机制的个性化联邦学习方法，其特征在于包含以下步骤：步骤一：搭建联邦学习局部模型多头注意力机制模型：将多头注意力机制用于最经典的卷积神经网络中，通过多头注意力机制，保留关键信息，更好地进行特征提取和选择，提高识别的准确性；步骤二：搭建联邦学习全局模型多头注意力机制模型：考虑到各个局部模型的个性化问题对全局模型的影响，在将全局模型参数发送给局部模型时，根据模型的个性化特性做出相应变化。本发明可以考虑到提取特征的相关性，以及考虑到各个客户端合理的个性化带来的数据差异性的方法，能够在保证准确率提高的基础上，增加数据的个性化程度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
