-
公开(公告)号：CN111397597B
公开(公告)日：2022-04-08
申请号：CN202010269012.X
申请日：2020-04-08
Applicant: 暨南大学
IPC: G01C21/00
Abstract: 本发明公开的属于动态信息技术领域，具体为一种基于动态信息分配的非等间隔联邦滤波方法，该方法如下：步骤一：设定主滤波器和子滤波器数量，进行信息平均分配；步骤二：设定检测信息，进行故障检测；步骤三：产生故障时，对产生故障的子滤波器进行数据消除；步骤七：代入到整体单元中后，对递进时产生的过渡信息进行刮削，刮削后进行刷新即可，能够针对产生的传感器故障，进行整体降级，使全局滤波器和局部滤波器呈比例状进行重置，同时在故障隔离后，重新调整故障的局部滤波器，使其呈递进式的过渡到整体单元中，再通过对过渡时间段进行刮削，有效的减少了故障恢复时长，提高故障恢复能力。
-
公开(公告)号：CN111488711A
公开(公告)日：2020-08-04
申请号：CN202010282838.X
申请日：2020-04-08
Applicant: 暨南大学
Abstract: 本发明属于网络检测技术领域，尤其涉及一种网络鲁棒性评估方法及系统。所述方法包括：获取网络的初始参数，根据所述初始参数获取所述网络的初始负载模型，所述初始参数包括：所述网络的初始节点数、初始边数、初始随机游走者数、负载容限参数和负载削减参数；通过卷积神经网络模型用于对特征进行提取，并通过特征进行特征学习，网络中模拟基于随机游走的网络故障，并根据所述初始参数和所述初始负载模型对鲁棒图进行表征学习，提高了网络鲁棒图的获取的准确性。进一步，根据网络故障后网络重新稳定时对应的目标网路巨分量来评估网络的鲁棒性，不需要网络中所有节点的连接情况，数据处理量较小，提高了网络鲁棒性评估的速度和精度。
-
公开(公告)号：CN111397597A
公开(公告)日：2020-07-10
申请号：CN202010269012.X
申请日：2020-04-08
Applicant: 暨南大学
IPC: G01C21/00
Abstract: 本发明公开的属于动态信息技术领域，具体为一种基于动态信息分配的非等间隔联邦滤波方法，该方法如下：步骤一：设定主滤波器和子滤波器数量，进行信息平均分配；步骤二：设定检测信息，进行故障检测；步骤三：产生故障时，对产生故障的子滤波器进行数据消除；步骤七：代入到整体单元中后，对递进时产生的过渡信息进行刮削，刮削后进行刷新即可，能够针对产生的传感器故障，进行整体降级，使全局滤波器和局部滤波器呈比例状进行重置，同时在故障隔离后，重新调整故障的局部滤波器，使其呈递进式的过渡到整体单元中，再通过对过渡时间段进行刮削，有效的减少了故障恢复时长，提高故障恢复能力。
-
-
Search Results
3
records
(took 0.017 seconds)
