基于non‑IID数据的半监督联邦学习方法,解决了现有联邦学习缺乏标记数据的问题,属于联邦学习应用技术领域。本发明包括:步骤1、服务器随机从全部客户端中选择设定比例F的客户端,发送全局模型ωt给选择的客户端;步骤2、服务器在标记的数据集Ds上使用本地优化器来训练监督模型σt,获得监督模型σt+1;步骤3、第k个客户端使用本地无标签数据集来训练接收到的全局模型ωt,并获得无监督模型发送给服务器;步骤4、服务器聚合客户端上传的得到第t+1轮的全局无监督模型ψt+1;步骤5、服务器将ψt+1、σt+1和ωt聚合得到新的全局模型ωt+1:ωt+1=αψt+1+βσt+1+γωt;t=t+1,重复步骤1至步骤5,直到全局模型ωt+1收敛。
本发明的有益效果,本发明为了解决缺乏标记数据的问题,提出了基于non-IID数据的半监督联邦学习方法,该方法对监督模型(在标记数据上学习)、无监督模型(在未标记数据上学习)和全局模型进行不相交学习的参数分解策略。特别地,该算法以细粒度的方式分析了全局模型在迭代之间的隐式效应。为了解决联邦学习中的non-IID问题,本发明提出了一种新的聚合规则,联邦频率(FedFreq),该规则通过记录客户端的训练频率来动态调整相应的局部模型的权重,以缓解non-IID问题。此外,本发明引入了狄克雷分布函数来模拟不同的non-IID水平场景。
通过研究和试验,克服了热处理淬火回火后弹簧重新校正垂直度;采用补充回火消除了热处理产生的内应力;热处理淬火后在规定的时间内尽快进行回火处理,避免弹簧由于内应力过大产生裂纹;控制回火冷却温度避免引起韧性下降产生回火脆性等技术难点,成功的研制出1000MWe核电站大型阀门高压弹簧。
1000MWe核电站大型阀门高压弹簧热处理工艺的编制和1000MWe核电站大型阀门高压弹簧最佳生产工艺参数选择两项技术创新成果还成功的应用在1000Mwe超临界机组大型阀门高压弹簧的生产中,从而实现了1000MWe电站大型阀门高压弹簧国产化
黑龙江大学(Heilongjiang University),位于黑龙江省哈尔滨市,是黑龙江省人民政府和中华人民共和国教育部、国家国防科技工业局共建的省属综合性大学,黑龙江省“双一流”建设国内一流大学A类高校,入选国家卓越法律人才教育培养计划、中西部高校基础能力建设工程、特色重点学科项目、国家建设高水平大学公派研究生项目、中国政府奖学金来华留学生接收院校、全国深化创新创业教育改革示范高校、教育部来华留学示范基地,是世界翻译教育联盟、中俄新闻教育高校联盟、中俄综合性大学联盟、上海合作组织大学、“一带一路”智库合作联盟成员单位
目的:冠心病(CHD)是最常见的心血管疾病之一,患病率呈持续上升趋势,其防治已成为全球的重大公共卫生问题。动脉粥样硬化(AS)则是引起CHD发生的最主要原因,也是重要的病理过程。近年来的研究已表明,长链非编码RNA(lncRNA)可参与AS发生和发展。本课题拟采用lncRNA表达谱芯片检测CHD患者和非CHD健康人外周血中lncRNA表达量,筛选出与AS相关的lncRNA,进一步探讨其在血管平滑肌细胞(VSMC)凋亡和增值中的作用,为AS机制的深入研究奠定基础。
方法:1.使用lncRNA表达谱芯片检测、比较冠心病与非冠心病健康人外周血中lncRNA表达量的差异。2.采用病例-对照研究分析lincRNA-p21与临床病理特征的关系。3.通过细胞转染和动物模型、MTT实验、多种染色法实验和流式细胞仪探讨和分析lincRNA-p21对VSMC增殖和凋亡的影响。4.应用GO富集分析、KEGG通路数据库、mRNA表达谱芯片和在线预测软件catRAPID分析、筛选与AS相关的通路。5.应用荧光素酶报告基因检测法、Westen blot实验分析、探讨lincRNA-p21与JAK2/STAT3通路之间的关系。
结果:1.冠心病患者和非冠心病健康人外周血中,lincRNA-p21、lncRNA-TUG1、lncRAN-HIF1A-AS1和lncRAN-ANRIL的表达量存在显著差异,其中,l
技术转让、合同、入股均可,具体资金双方协商,希望尽快落地实现产业化。