-
公开(公告)号：CN119204083B
公开(公告)日：2025-04-25
申请号：CN202411696945.1
申请日：2024-11-26
Applicant: 烟台大学
Abstract: 本发明涉及群智感知技术领域，尤其是涉及一种基于Stackelberg博弈的合作模式激励方法及系统。方法，包括获取众包任务的任务集和用户历史数据；根据众包任务的紧急程度和能量消耗计算众包任务的质量评分；基于众包任务的质量评分对众包任务进行任务划分，基于任务划分生成合作任务；根据用户历史数据对用户进行能力值评估；基于能力值评估结果和生成的合作任务进行任务分配，其中，利用Stackelberg博弈在任务完成过程中求取纳什均衡解，得到最优分配策略。通过引入能力值、搁置等级和质量评分的概念，将长时间存在于系统中难度较大的任务进行组合，让用户合作来完成，使任务的接收完成率得到了保证。
-
公开(公告)号：CN119227060A
公开(公告)日：2024-12-31
申请号：CN202411754733.4
申请日：2024-12-03
Applicant: 烟台大学 , 济南三泽信息安全测评有限公司
IPC: G06F21/55 , G06N3/0455 , G06N3/084 , G06N3/045
Abstract: 本发明涉及蜜罐交互技术领域，尤其是涉及一种基于编码器和解码器的工业蜜罐高交互方法及系统。方法，包括：获取水处理数据；利用获取的水处理数据训练编码‑解码器模型，其中，对编码‑解码器模型的输出进行损失函数计算；直至达到最大训练轮数R后停止对模型训练，并保存模型参数；将保存的模型参数生成长期模拟数据，并按时间顺序写入寄存器数值配置文件中；利用蜜罐根据生成的寄存器数值配置文件对攻击者的请求进行响应。本申请利用经过Huber范数平滑的分位数损失函数替换常用的MSE损失函数，能够在模拟过程中避免异常值的产生并有效的延长模拟时长。
-
公开(公告)号：CN119204083A
公开(公告)日：2024-12-27
申请号：CN202411696945.1
申请日：2024-11-26
Applicant: 烟台大学
Abstract: 本发明涉及群智感知技术领域，尤其是涉及一种基于Stackelberg博弈的合作模式激励方法及系统。方法，包括获取众包任务的任务集和用户历史数据；根据众包任务的紧急程度和能量消耗计算众包任务的质量评分；基于众包任务的质量评分对众包任务进行任务划分，基于任务划分生成合作任务；根据用户历史数据对用户进行能力值评估；基于能力值评估结果和生成的合作任务进行任务分配，其中，利用Stackelberg博弈在任务完成过程中求取纳什均衡解，得到最优分配策略。通过引入能力值、搁置等级和质量评分的概念，将长时间存在于系统中难度较大的任务进行组合，让用户合作来完成，使任务的接收完成率得到了保证。
-
公开(公告)号：CN119139704B
公开(公告)日：2025-02-28
申请号：CN202411659231.3
申请日：2024-11-20
Applicant: 烟台大学
IPC: A63F13/56 , A63F13/837 , G06N3/09
Abstract: 本发明涉及多智能体控制技术领域，尤其是涉及一种多智能体博弈对抗的异构任务优化方法及系统。方法，包括获取博弈双方智能体可观测信息，基于获取的博弈双方智能体可观测信息，利用actor‑critic网络结构生成当前环境下的状态集合，将经验缓存区中的数据顺序打乱并重新编号，并抽取数据结合认知理论对actor‑critic网络结构进行训练。本发明通过先获取博弈双方智能体可观测信息，进而将状态观测数据传递给中心控制器，训练完后智能体就可以不再与中心控制器通信，可以基于自己的局部观测状态通过自己的动作策略函数来产生最优动作。
-
公开(公告)号：CN119180477A
公开(公告)日：2024-12-24
申请号：CN202411696943.2
申请日：2024-11-26
Applicant: 烟台大学
IPC: G06Q10/0631 , G06F18/243
Abstract: 本发明涉及任务分配技术领域，尤其是涉及一种多层次任务分配的众包环境下区域分类方法及系统。方法包括获取众包工人历史数据；利用随机森林模型根据众包工人历史数据预测网格划分后每个网格内的工人数量；基于预测的工人数量得到密度比值，将任务区域划分为低比值、中比值和高比值区域，其中基于成本效益最大化目标，分别在低比值区域采用延迟策略、在中比值区域采用平衡策略以及在高比值区域采用协作的策略；对剩余任务采用跨网格区域招募，完成任务的分配。本发明提供了一种众包环境下区域分类方法的多层次任务分配策略，所述方案通过相应的密度比值将网格化后的整个感知区域划分为低比值、中比值和高比值区域，充分考虑了不同区域的特性。
-
Patent Agency Ranking
公开(公告)号：CN118520977B
公开(公告)日：2024-09-20
申请号：CN202410985215.7
申请日：2024-07-23
Applicant: 烟台大学
Abstract: 本发明涉及生成式人工智能和移动众包技术交叉领域，尤其涉及一种基于移动众包的知识蒸馏分布式文生图方法及系统。所述方法，包括获取图像生成任务，包括利用移动众包获取图像生成任务，并根据执行任务的设备属性和需要获取的图像进行任务执行判断；基于获取的图像生成任务进行知识数据蒸馏，将知识蒸馏后的图像生成任务进行图像生成质量优化，对预测优化后的提示词进行归一化操作，利用处理后的图像生成任务进行众包任务设置，并根据图像生成任务类型进行组合模型操作；基于众包任务设置进行图像生成操作，本发明通过分布式联邦学习允许在多个参与方之间并行处理数据，减少单一中心化模型的计算负担。
-
公开(公告)号：CN118552234A
公开(公告)日：2024-08-27
申请号：CN202411016897.7
申请日：2024-07-29
Applicant: 烟台大学
IPC: G06Q30/0201 , G06N3/0442 , G06N3/084 , G06N3/0985 , G06F18/27 , G06N3/048 , G06F123/02
Abstract: 本发明涉及分布式人工智能和移动众包技术交叉技术领域，尤其是涉及一种基于LSTM的移动众包任务数据离线预测方法及系统。所述方法，包括获取移动众包平台的历史任务数据；对获取的历史任务数据进行清洗和预处理；构建基于LSTM的神经网络模型；利用历史任务数据对神经网络模型进行模型训练；利用训练好的神经网络模型进行任务价格预测。本发明通过有效处理长期依赖信息，LSTM模型显著提高了任务价格预测的准确性。这使得模型能够识别和利用数据中的时间序列模式，从而减少预测误差，并提供更可靠的决策支持。
-
公开(公告)号：CN119139704A
公开(公告)日：2024-12-17
申请号：CN202411659231.3
申请日：2024-11-20
Applicant: 烟台大学
IPC: A63F13/56 , A63F13/837 , G06N3/09
Abstract: 本发明涉及多智能体控制技术领域，尤其是涉及一种多智能体博弈对抗的异构任务优化方法及系统。方法，包括获取博弈双方智能体可观测信息，基于获取的博弈双方智能体可观测信息，利用actor‑critic网络结构生成当前环境下的状态集合，将经验缓存区中的数据顺序打乱并重新编号，并抽取数据结合认知理论对actor‑critic网络结构进行训练。本发明通过先获取博弈双方智能体可观测信息，进而将状态观测数据传递给中心控制器，训练完后智能体就可以不再与中心控制器通信，可以基于自己的局部观测状态通过自己的动作策略函数来产生最优动作。
-
公开(公告)号：CN119047795A
公开(公告)日：2024-11-29
申请号：CN202411533364.6
申请日：2024-10-31
Applicant: 烟台大学
IPC: G06Q10/0631 , G06Q30/0645 , G06F17/16
Abstract: 本发明涉及群智感知技术领域，尤其是涉及一种基于合作意愿预测的群智感知参与者选择方法及系统。包括获取参与者数据集，通过平台任务得到估计合作成本；构建多臂老虎机问题模型，对参与者数据集进行虚拟雇佣，计算参与者对探索率；设定所述参与者对探索率的阈值，利用链接预测模型对数据集进行处理得到预测合作成本，根据被雇佣的工人对数据和估计合作成本或预测合作成本得到趋准化合作成本；利用最小成本优先的参与者选择策略得到参与者集合；更新估计合作成本和被雇佣的工人对数据。解决了在参与者关系不完全可知或者没有大量参与者合作的历史数据的情况下的情况下，平台如何选择参与者以最小化任务完成成本的问题。
-
公开(公告)号：CN119047795B
公开(公告)日：2025-02-14
申请号：CN202411533364.6
申请日：2024-10-31
Applicant: 烟台大学
IPC: G06Q10/0631 , G06Q30/0645 , G06F17/16
Abstract: 本发明涉及群智感知技术领域，尤其是涉及一种基于合作意愿预测的群智感知参与者选择方法及系统。包括获取参与者数据集，通过平台任务得到估计合作成本；构建多臂老虎机问题模型，对参与者数据集进行虚拟雇佣，计算参与者对探索率；设定所述参与者对探索率的阈值，利用链接预测模型对数据集进行处理得到预测合作成本，根据被雇佣的工人对数据和估计合作成本或预测合作成本得到趋准化合作成本；利用最小成本优先的参与者选择策略得到参与者集合；更新估计合作成本和被雇佣的工人对数据。解决了在参与者关系不完全可知或者没有大量参与者合作的历史数据的情况下的情况下，平台如何选择参与者以最小化任务完成成本的问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.033 seconds)
