-
公开(公告)号：CN119646885B
公开(公告)日：2025-05-06
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
公开(公告)号：CN119646885A
公开(公告)日：2025-03-18
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
公开(公告)号：CN118314114A
公开(公告)日：2024-07-09
申请号：CN202410514388.0
申请日：2024-04-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出钢材表面缺陷检测方法及系统，涉及缺陷检测技术领域。包括获取钢材表面图像；将钢材表面图像输入至CSTRNet模型串联的CTR模块中，在每个CTR模块中，利用并行的稀疏自注意力模块和卷积模块分别提取钢材表面图像的全局特征和局部特征；将各中间层CTR模块提取的特征依次输入至串联的双层GDC模块中，并利用双层GDC模块将CTR模块提取的浅层特征和深层特征进行双向融合，得到钢材表面缺陷的预测框位置、缺陷置信度和缺陷分类类别。本发明在模型中加入稀疏自注意力SA模型结构、卷积和Transformer相互协同的CTR模型结构以及GDC瓶颈卷积结构，提升了缺陷检测速度和检测精度。
-
公开(公告)号：CN116633705B
公开(公告)日：2023-10-13
申请号：CN202310919286.2
申请日：2023-07-26
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开的基于复合自动编码器的工业控制系统异常检测方法及系统，属于工业控制系统异常检测技术领域，包括：获取工业控制系统的多维时序数据；对多维时序数据进行时序划分，获得多段子序列数据；根据复合自动编码器和多段子序列数据，获得重构数据和预测数据；根据重构数据、子序列数据和预测数据，计算获得重构误差和预测误差；根据重构误差和预测误差，识别出现异常流量时间；根据每个时间每个维度的总误差，计算每个维度在出现异常流量时间前后的总误差变化率；判定总误差变化率大于变化率阈值的维度对应的流量数据为异常。实现了对工业控制系统中异常流量的准确识别。
-
公开(公告)号：CN113692814A
公开(公告)日：2021-11-26
申请号：CN202110943359.2
申请日：2021-08-17
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种多级缓存的穴盘补种装置，包括传动穴盘部、识别穴盘空穴部、穴盘补种单元，在所述的穴盘补种单元包括双级缓存模块；所述的双级缓存模块包括：一级缓存单元、二级缓存单元，所述一级缓存单元用于将待补种种子补种入被识别出的空穴中，所述二级缓存单元用于选取待补种的种子。本发明针对现有甜玉米穴盘播种机人工补种效率低、易出错的缺点，设计了一套自动化补种装置及其控制方法，代替了传统的手工补种，并且基于多级缓存的架构设计，本发明的甜玉米穴盘补种装置比传统小麦、水稻等类型补种装置执行动作更加快速，能够胜任高速流水线作业。
-
Patent Agency Ranking
公开(公告)号：CN113238553A
公开(公告)日：2021-08-10
申请号：CN202110489111.3
申请日：2021-04-30
Applicant: 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
IPC: G05D1/02
Abstract: 一种基于四轮全向底盘的辅助定位系统，系统包括多路灰度传感器和定位控制器；四个所述多路灰度传感器安装在机器人底盘的四个水平方向，相邻多路灰度传感器之间角度差为90°：采用AD采样的方式识别地面线条轨迹，形成模拟电压信号或者开关信号，所述多路灰度传感器将采集到的模拟电压信号或开关信号上传至所述定位控制器，所述定位控制器内加载有对上述模拟电压信号或开关信号进行处理的算法，经所述处理算法处理后得到机器人底盘相对于地面线条的坐标数据偏差。
-
公开(公告)号：CN111709044B
公开(公告)日：2021-06-22
申请号：CN202010565463.8
申请日：2020-06-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了基于国密算法的硬件指纹信息生成方法及系统，包括：创建空白文件，检测CPU指令支持情况，若满足要求，则进入下一步；如果不满足要求，则将错误信息接入空白文件，结束；生成四组随机数，将第一组随机数作为序列号；获取当前时间，生成INF信息段；从INF信息段中提取位置信息、偏移量和临时密钥种子；采用国密算法分别对序列号和INF信息段进行加密，生成加密初始值参数，生成加密用主密钥；生成硬件信息，利用硬件信息、当前时间和CPU信息构造数据段；对数据段进行加密，计算校验值，将所有数据写入文件，结束。
-
公开(公告)号：CN108957487B
公开(公告)日：2020-01-31
申请号：CN201810520697.3
申请日：2018-05-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于北斗导航的小区播种机精准定位与控制方法，包括：a).记录起始点A的坐标；b).播种作业；c).判断Distance(A，B)≥L是否成立，成立则播种，不成立继续播种；d).当Distance(A，B)≥L时，换种；e).当Distance(A，B)≥L+d时，播种作业；f).当Distance(A，B)≥n(L+d)‑d时，停止播种并换种；当Distance(A，B)≥n(L+d)时，重新播种。本发明的小区播种控制方法，将获取的13位经纬度坐标拆分为3部分，每部分进行单精度浮点型运算，定位精度可达厘米级，满足了小区播种的精度要求，解决了单精度MCU无法直接进行双精度浮点型数据运算的问题。
-
公开(公告)号：CN109618637A
公开(公告)日：2019-04-16
申请号：CN201910117951.X
申请日：2019-02-15
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A01D29/00 , G05B19/042 , G01D21/02
CPC classification number: A01D29/00 , G01D21/02 , G05B19/042
Abstract: 本发明的基于云平台的花生收获机智能测控系统，花生收获机由机架、动力机构、挖掘铲、花生捡拾器、传送装置、摘果装置、果草升运架、集草箱和集果箱组成，特征在于：花生收获机智能测控系统由数据采集系统、GPRS数据收发模块、声光报警电路、云服务器和控制中心组成，数据采集系统对挖掘深度、夹持链状态以及摘果马达、升运马达、滚筒、皮带转速进行测量；控制中实现花生收获机的监控，控制中心发出的报警信号和控制指令下发至数据采集系统。本发明的花生收获机智能测控系统，并可在出现异常工况时发出声光报警，便于驾驶员做出处理，避免作业故障的发生，在保证花生收获效率的同时，避免了花生收获机的损坏，有益效果显著，适于应用推广。
-
公开(公告)号：CN108616838A
公开(公告)日：2018-10-02
申请号：CN201810405687.5
申请日：2018-04-29
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于卡尔曼滤波算法的农业大棚数据融合处理方法，包括：a).数据采集和上传；b).建立状态方程；c).建立节点观测方程；d).建立时间和状态更新方程；e).进一步预测；f).获取最优估计值；g).测量值获取。本发明的基于卡尔曼滤波算法的农业大棚数据融合处理方法，由于农业生产环境中需要监测的环境因素较多，为了保证农作物健康的生长，对于环境因素的精度要求也比较高，利用卡尔曼滤波算法来进行农业大棚内环境参数数据的融合处理，能够监测到更加稳定、精度更高的数据结果，能够让生产者良好的掌握农作物当前的生长环境并且做出响应的调整，在农业大棚生产中可以广泛使用。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.049 seconds)
