公开(公告)号：CN114817581B

公开(公告)日：2024-11-15

申请号：CN202210546822.4

申请日：2022-05-18

Applicant: 重庆邮电大学

Inventor： 张学旺 ,  李金鹏 ,  林金朝 ,  赵丽 ,  黄胜

IPC: G06F16/432 ,  G06F16/48 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于融合注意力机制和DenseNet网络的跨模态哈希检索方法，属于跨模态检索领域。该方法包括：S1：对数据集中图像和文本进行预处理；S2：提取模态数据特征；S3：哈希码映射：将步骤S2提取的图像特征和文本特征分别经过两层全连接层得到相同维度的低维特征；S4：建立基于五元组结构的损失函数；S5：输入五元组数据训练检索模型；S6：使用训练好的检索模型执行跨模态哈希检索任务。本发明提高了提取模态数据特征的精细程度，提升了模型检索准确率。

公开(公告)号：CN116865938A

公开(公告)日：2023-10-10

申请号：CN202310820480.5

申请日：2023-07-05

Applicant: 重庆邮电大学

Inventor： 赵丽 ,  张学旺 ,  杨鑫

IPC: H04L9/00 ,  H04L9/08 ,  H04L9/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于秘密共享和同态加密的多服务器联邦学习方法，属于信息安全技术领域，针对多服务器多客户端的复杂联邦学习应用，包括初始化阶段、模型训练阶段、模型聚合阶段和模型更新阶段。通过利用Shamir秘密共享算法分割梯度，使用Elgamal同态加密算法对分割的梯度进行加密，保护了梯度的隐私并增强了方案的鲁棒性；还设计了一种梯度稀疏算法，以此过滤偏离全局收敛的不相关梯度，减少了通信开销。

公开(公告)号：CN117094411A

公开(公告)日：2023-11-21

申请号：CN202311038541.9

申请日：2023-08-17

Applicant: 重庆邮电大学

Inventor： 张学旺 ,  杨鑫 ,  赵丽

IPC: G06N20/00 ,  G06F21/62

Abstract: 本发明涉及一种基于区块链分片的服务器分区联邦学习方法，属于联邦学习技术领域，任务发布方首先在区块链网络中注册并发布联邦学习训练内容及相关要求，并支付一笔费用作为奖池；申请加入模型训练任务并经过任务发布方审核通过的联邦学习客户端，根据自身节点所存储的数据进行模型训练，并将训练得到的局部参数发送至区块链网络中的服务器节点；每个区块链网络分片中的服务器节点将各自管辖的联邦学习客户端上传的局部参数进行初步聚合，并将其上传至所在的区块链分片；每个区块链分片中的委员会节点将其所在分片的初步聚合参数上传至委员会，由委员会聚合全局参数；区块链账本将每一轮的局部模型参数和聚合模型参数都加密保存。

公开(公告)号：CN114817581A

公开(公告)日：2022-07-29

申请号：CN202210546822.4

申请日：2022-05-18

Applicant: 重庆邮电大学

Inventor： 张学旺 ,  李金鹏 ,  林金朝 ,  赵丽 ,  黄胜

IPC: G06F16/432 ,  G06F16/48 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于融合注意力机制和DenseNet网络的跨模态哈希检索方法，属于跨模态检索领域。该方法包括：S1：对数据集中图像和文本进行预处理；S2：提取模态数据特征；S3：哈希码映射：将步骤S2提取的图像特征和文本特征分别经过两层全连接层得到相同维度的低维特征；S4：建立基于五元组结构的损失函数；S5：输入五元组数据训练检索模型；S6：使用训练好的检索模型执行跨模态哈希检索任务。本发明提高了提取模态数据特征的精细程度，提升了模型检索准确率。