-
公开(公告)号：CN222482749U
公开(公告)日：2025-02-14
申请号：CN202421258693.X
申请日：2024-06-04
Applicant: 淮南联合大学(安徽广播电视大学淮南分校淮南职工大学)
Abstract: 本实用新型涉及人工智能领域，尤其涉及一种分布式训练服务器集群模型训练装置。本实用新型提供一种能够通过搭建分布式的服务器集群，使多台服务器进行高校的协同计算，提高深度学习的数据训练效率的分布式训练服务器集群模型训练装置。一种分布式训练服务器集群模型训练装置，包括有底座、连接架和风扇等，底座上侧连接有多个连接架，连接架下部均转动式连接有左右两个风扇。本实用新型通过服务器连接至交互器上，再将不同连接架上的交互器通过第一连线进行互连，使交互器将计算任务分配至服务器中进行并行的分布式计算，达到了能够通过搭建分布式的服务器集群，使多台服务器进行高校的协同计算，提高深度学习的数据训练效率的效果。
-
公开(公告)号：CN220417062U
公开(公告)日：2024-01-30
申请号：CN202322140667.9
申请日：2023-08-08
Applicant: 广东石油化工学院
Inventor： 陈冰琳 , 陈静君 , 文成林 , 柯烨 , 林宜锋 , 郑灿龙 , 陈树烽 , 崔永锋 , 柯宗杰 , 黄嘉敏 , 林婷 , 余广炼 , 蔺松鹤 , 林彤 , 苏振华 , 阮俞铭 , 李宇航
IPC: F17D5/02 , F17D5/06 , F16M11/04 , F16M11/42 , F16L55/28 , F16L55/40 , G06N20/00 , G06N3/098 , G06F18/24 , G06F18/214 , G06F17/16 , F16L101/30
Abstract: 本实用新型涉及一种管道气体微泄漏故障巡检机器人，包括机械臂和小车底盘，机械臂设置在小车底盘上，小车底盘的顶部设置有激光雷达和摄像头，机械臂包括第一机械臂、第二机械臂和第三机械臂，第二机械臂设置在第一机械臂与第三机械臂之间，第一机械臂远离第二机械臂的一端与电动推杆连接，电动推杆的另一端与设置在小车底盘内部的电机驱动器连接，小车底盘内部靠近电机驱动器的一侧顶部设置有雨量传感器和控制主板，雨量传感器与控制主板连接，小车底盘内部侧壁设置有惯性导航传感器和GPS传感器。本实用新型采用上述结构对气体管道微小泄漏准确识别，通过优化算法和算法参数调整，提高识别准确度并降低误判率。
-
公开(公告)号：CN119919158A
公开(公告)日：2025-05-02
申请号：CN202510397520.9
申请日：2025-04-01
Applicant: 南京邮电大学
IPC: G06Q30/018 , G06F21/62 , G06Q50/06 , G06N3/098 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及窃电检测技术领域，具体涉及一种基于隐私增强的智能电网联邦学习窃电检测方法，包括：步骤S1：采集用户能耗数据构建本地训练数据集；步骤S2：将本地训练数据集分批次输入训练模型提取时序特征和空间特征；步骤S3：确定输出结果，更新训练模型的权重和偏置；步骤S4：将训练完成后的权重和偏置输入隐私保护器确定加密向量，经数据中心得到聚合向量；步骤S5：通过聚合向量得到解密向量，确定窃电检测模型，判断是否达到最大迭代次数，若否，重复执行步骤S2~S4；若是，执行下一步骤；步骤S6：若预测结果大于筛选阈值，说明对应分析的用户为窃电用户，并将窃电用户的信息传输至数据中心。
-
公开(公告)号：CN119917808A
公开(公告)日：2025-05-02
申请号：CN202510036426.0
申请日：2025-01-09
Applicant: 中国地质大学(武汉)
IPC: G06F18/20 , G06F18/10 , G06F18/27 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/098
Abstract: 本申请提供了一种基于联邦学习的岩溶地层盾构掘进参数预测方法及系统，涉及盾构掘进技术领域，方法包括：采集多模态数据并进行预处理；通过构建的深度学习分类模型，结合多模态数据以及联邦学习技术，构建溶洞三维分布模型并提取微观特征指标；通过深度学习分类模型对提取的微观特征指标进行分析，得到溶洞类型；将量化后的微观特征指标以及溶洞类型输入到参数映射模型中，建立微观特征与掘进参数之间的内在关系；根据内在关系、溶洞类型和分布复杂度，得到掘进参数调整指令；通过掘进参数调整指令，实现盾构机掘进参数的实时动态精确调节。结合多模态传感器、边缘计算设备及联邦学习框架，实现岩溶地层盾构掘进参数的精准预测与实时调整。
-
公开(公告)号：CN119916140A
公开(公告)日：2025-05-02
申请号：CN202510415095.1
申请日：2025-04-03
Applicant: 深圳市同昌汇能科技发展有限公司
IPC: G01R31/08 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/096 , G06N3/098
Abstract: 本发明涉及配网故障检测领域，具体为一种基于人工智能的配网故障快速定位方法。该方法通过建立双层星型拓扑，将调度中心与变电站、配电台区有效连接，利用多模态传感器采集一级与二级配网数据，并通过联邦学习框架进行故障预测；结合图卷积网络分析拓扑关联性，生成候选故障台区集合，并通过余弦相似度校验与电流波形相关性分析确定故障类型；利用行波测距技术精确定位故障配网点。当检测到未知故障时，系统触发增量学习机制更新全局模型参数，持续优化故障诊断能力。基于以上的方法，最终实现快速、精准的配网故障检测和定位。
-
Patent Agency Ranking
公开(公告)号：CN119907981A
公开(公告)日：2025-04-29
申请号：CN202380067598.3
申请日：2023-08-01
Applicant: 高通股份有限公司
Inventor： B·K·姆沃多泽涅茨 , C·路易索斯
IPC: G06N3/0985 , G06N3/098 , G06N3/045 , G06N3/063 , G06N3/084
Abstract: 本公开的某些方面提供了用于改善的机器学习的技术和装置。确定神经网络的多个子网络。使用来自训练范例的多个集合的训练范例的第一集合来促进对该多个子网络中的第一子网络的训练，并且使用来自该训练范例的多个集合的训练范例的第二集合来促进对该多个子网络中的第二子网络的训练。通过使用该第一子网络处理该训练范例的第二集合来生成第一损失。至少部分地基于该第一损失来生成该神经网络的近似边际似然，并且基于该近似边际似然来细化该神经网络的一个或多个超参数。
-
公开(公告)号：CN119903542A
公开(公告)日：2025-04-29
申请号：CN202311370243.X
申请日：2023-10-20
Applicant: 广州汽车集团股份有限公司
IPC: G06F21/62 , A61B5/18 , A61B5/024 , A61B5/0245 , A61B5/318 , A61B5/352 , A61B5/366 , A61B5/00 , G06F21/60 , G06F21/64 , G06F18/24 , G06N3/098
Abstract: 本申请提供了一种驾驶员的疲劳检测方法、装置、电子设备、计算机可读存储介质及计算机程序产品；方法包括：获取车辆的行驶数据以及车辆的驾驶员的生理数据；通过疲劳检测模型根据行驶数据以及生理数据进行疲劳检测处理，得到驾驶员的疲劳状态；其中，疲劳检测模型的模型参数是根据多个样本车辆本地的疲劳数据样本进行联邦学习得到，本地的疲劳数据样本包括样本行驶数据、样本生理数据以及样本疲劳状态。通过本申请，能够提升疲劳检测精度以及疲劳检测过程中的数据安全性。
-
公开(公告)号：CN119901285A
公开(公告)日：2025-04-29
申请号：CN202510386351.9
申请日：2025-03-31
Applicant: 国能榆林能源有限责任公司
IPC: G01C21/16 , G01C21/20 , G01S13/86 , G06N3/0895 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/086 , G06N3/098 , G06N3/0985 , G06V10/44 , G06F18/15
Abstract: 本发明公开了基于自监督神经网络的视觉惯导雷达融合自定位方法，涉及人工智能与传感器融合定位技术领域，包括以下步骤：构建基于长短期记忆网络的元学习器；本发明中，通过构建基于LSTM的元学习器实现动态拓扑适应，能在约2分钟内响应环境变化完成拓扑调整并精准捕捉环境特征；利用注意力机制的知识记忆模块及相关算法，实现高效的知识迁移和继承，可准确融合新旧知识以保障掘进安全；通过联合训练与优化，多模块协同优化参数，采用NSGA‑II算法进行多目标平衡优化，在不同地质条件下兼顾性能、效率和知识利用，提升了掘进作业的整体水平。
-
公开(公告)号：CN118351450B
公开(公告)日：2025-04-29
申请号：CN202410629821.5
申请日：2024-05-21
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
Inventor： 毛莺池 , 许皓文 , 肖海斌 , 陈有勤 , 潘祯祥 , 王子成 , 戚荣志 , 彭欣欣 , 聂兵兵 , 廖贵能 , 赵富刚 , 徐小坤 , 陈玉梅 , 刘军显 , 孔岩鑫 , 孙亚民
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/098
Abstract: 本发明公开一种基于权重自适应的多载具大坝损害识别方法及装置，通过自适应权重计算和模型分层混合技术，在聚合多种无人载具对地震等自然灾害对大坝的损害进行识别和检测，为各无人载具提供适配的损害识别模型(即个性化模型)，同时保证无人载具的损害识别精准度。自适应权重计算根据各载具上的模型参数，通过链式求导法则更新分层权重值，得到各个载具模型的最优混合权重；使用分层混合权重对载具上的本地模型和个性化模型的中间版本(即中间模型)进行分层混合，动态调整全局模型捕获的所有载具之间的共享数据和本地模型所学习到的本地数据之间的平衡，得到适配各载具的个性化模型，保证了损害识别的准确度。
-
公开(公告)号：CN113168569B
公开(公告)日：2025-04-29
申请号：CN201980078317.8
申请日：2019-11-05
Applicant: 国际商业机器公司
Abstract: 提供了用于由计算系统中的一个或多个处理器进行去中心化分布式深度学习的不同实施例。一个或多个机器学习模型的异步分布式训练可以通过以下方式来执行：为多个节点中的每个节点生成邻居节点的列表，并且根据权重管理操作来创建用于连续通信的第一线程，以及创建用于每个节点的梯度的连续计算的第二线程。在第一线程和第二线程之间共享一个或多个变量。
-
-
-
-
-
-
-
-
-
Search Results
4787
records
(took 0.038 seconds)
