龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆交通大学
摘要：本发明公开了一种基于联邦学习和图神经网络的交通流量预测方法，包括：对交通流量预测的全局模型进行初始化，并将全局模型的参数发送给各个客户端；各个客户端将局部模型参数替换为获取的全局模型参数，进而获取本地的交通流量数据来训练局部模型；各个客户端通过差分隐私技术对局部模型参数加入噪声，然后进行上传；聚合各个客户端上传的局部模型参数，使用平均池化操作得到新的全局模型，进而将更新后的全局模型参数发送给各个客户端，不断更新全局模型直至收敛或达到最大迭代次数；将前M个时间点的交通流量输入训练好的全局模型中输出未来N个时间点的交通流量预测值。本发明能够实现交通流数据的隐私保护并提高交通流预测的精度。
主权项：1.基于联邦学习和图神经网络的交通流量预测方法，其特征在于，包括：S1：对交通流量预测的全局模型进行初始化，并将全局模型的参数发送给各个客户端；S2：各个客户端将局部模型参数替换为获取的全局模型参数，进而获取本地的交通流量数据来训练局部模型；训练局部模型时的步骤如下：S201：将作为训练样本的交通流量数据输入局部模型中；S202：通过时空依赖特征提取模块提取交通流量数据的时空依赖特征；S203：将时空依赖特征输入全连接层中，输出对应的交通流量预测值；S204：基于训练样本的交通流量真实值与输出的交通流量预测值进行损失计算，进而优化局部模型的参数；S205：重复执行步骤S201至S204，直至达到预先设定的迭代次数；S3：各个客户端通过差分隐私技术对局部模型参数加入噪声，然后进行上传；S4：聚合各个客户端上传的局部模型参数，使用平均池化操作得到新的全局模型，进而将更新后的全局模型参数发送给各个客户端，并返回步骤S2；S5：循环执行步骤S2至S4，直至全局模型收敛或达到预设的迭代次数；S6：将前M个时间点的交通流量输入训练好的全局模型中，输出未来N个时间点的交通流量预测值。
全文数据：
权利要求：
百度查询： 重庆交通大学 一种基于联邦学习和图神经网络的交通流量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号