作为一种低碳、环保的交通工具,油电混合电动汽车(hybrid electric vehicle,HEV)发展迅速。为保障推荐过程中用户的隐私安全,提出了一种面向纵向联邦学习算法的HEV站点推荐算法。通过本地训练、中央聚合的模型训练机制,在保证用户隐私...作为一种低碳、环保的交通工具,油电混合电动汽车(hybrid electric vehicle,HEV)发展迅速。为保障推荐过程中用户的隐私安全,提出了一种面向纵向联邦学习算法的HEV站点推荐算法。通过本地训练、中央聚合的模型训练机制,在保证用户隐私数据安全的前提下,更新局部训练模型。将区块链技术与云计算相结合,通过使用加密算法和分布式存储,提供一个安全可信的云服务网络,负责传输本地计算的训练参数。利用去中心化的数据聚合器取代易出现单点故障的集中式架构,创建了一个灵活且可扩展的云网络。实验结果表明,具有10个云节点的分散式算法比传统的集中式算法快5.2 s。可见,基于纵向联邦学习的推荐算法既能保证推荐的精准性,也能充分调动闲置站点,有效提高推荐效率。展开更多
针对灌溉系统水肥预测计算复杂、预测精度不高、实时性不强等问题,提出膜计算粒子群算法改进极限学习机(MCPSO-ELM)的水肥预测模型。为提高极限学习机的泛化能力和预测精度,引入粒子群算法与膜计算进行优化,利用粒子群算法的高效率搜索...针对灌溉系统水肥预测计算复杂、预测精度不高、实时性不强等问题,提出膜计算粒子群算法改进极限学习机(MCPSO-ELM)的水肥预测模型。为提高极限学习机的泛化能力和预测精度,引入粒子群算法与膜计算进行优化,利用粒子群算法的高效率搜索能力与膜计算的平行计算优势,大幅度提高收敛速度和搜索精度,不断迭代优化ELM网络的连接权值和阈值以提高预测精度,种群多样性有效解决全局搜索和局部寻优之间的平衡。建立PSO-ELM、WPSO-ELM、IPSO-ELM和MCPSO-ELM四个模型进行对比试验,MCPSO-ELM模型的预测误差小于30 m 3/hm^(2),MAPE为2.0%,预测曲线与水肥实际用量曲线最为接近,预测性能明显优于其他模型。本文提出的MCPSO-ELM能够获得更高的预测精度、更好的预测效率和稳定性,可以为智能灌溉系统提供可靠参考。展开更多
文摘作为一种低碳、环保的交通工具,油电混合电动汽车(hybrid electric vehicle,HEV)发展迅速。为保障推荐过程中用户的隐私安全,提出了一种面向纵向联邦学习算法的HEV站点推荐算法。通过本地训练、中央聚合的模型训练机制,在保证用户隐私数据安全的前提下,更新局部训练模型。将区块链技术与云计算相结合,通过使用加密算法和分布式存储,提供一个安全可信的云服务网络,负责传输本地计算的训练参数。利用去中心化的数据聚合器取代易出现单点故障的集中式架构,创建了一个灵活且可扩展的云网络。实验结果表明,具有10个云节点的分散式算法比传统的集中式算法快5.2 s。可见,基于纵向联邦学习的推荐算法既能保证推荐的精准性,也能充分调动闲置站点,有效提高推荐效率。
文摘针对灌溉系统水肥预测计算复杂、预测精度不高、实时性不强等问题,提出膜计算粒子群算法改进极限学习机(MCPSO-ELM)的水肥预测模型。为提高极限学习机的泛化能力和预测精度,引入粒子群算法与膜计算进行优化,利用粒子群算法的高效率搜索能力与膜计算的平行计算优势,大幅度提高收敛速度和搜索精度,不断迭代优化ELM网络的连接权值和阈值以提高预测精度,种群多样性有效解决全局搜索和局部寻优之间的平衡。建立PSO-ELM、WPSO-ELM、IPSO-ELM和MCPSO-ELM四个模型进行对比试验,MCPSO-ELM模型的预测误差小于30 m 3/hm^(2),MAPE为2.0%,预测曲线与水肥实际用量曲线最为接近,预测性能明显优于其他模型。本文提出的MCPSO-ELM能够获得更高的预测精度、更好的预测效率和稳定性,可以为智能灌溉系统提供可靠参考。
