-
题名联邦学习及其在电信行业的应用
被引量：2
- 1
-
-
作者
李鉴
邵云峰
卢燚
吴骏
-
机构
华为公司诺亚方舟实验室
华为公司NAIE产品部
-
出处
《信息通信技术与政策》
2020年第9期35-41,共7页
-
文摘
联邦学习是一种分布式训练框架,可以构建去中心化数据的集合并联合多方数据,进而利用加密后的中间参数,完成多数据源对于联合模型的共同训练。基于华为NAIE联邦学习平台的实践,论述了联邦学习平台落地的关键技术和典型应用,并根据其在电信领域里的具体实践,指明了联邦学习未来的发展方向。
-
关键词
联邦学习
隐私保护
模型私有化
-
Keywords
federated learning
privacy protection
model localization
-
分类号
F626
[经济管理—产业经济]
TP368.5
[自动化与计算机技术—计算机系统结构]
-
-
题名带有故障性质预测的自动测试向量求解模型
- 2
-
-
作者
贺丽媛
黄俊华
陶继平
-
机构
厦门大学自动化系
华为诺亚方舟实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第12期3540-3548,共9页
-
基金
福建省自然科学基金(No.2020J01053)。
-
文摘
基于布尔满足模型的自动测试向量生成是芯片故障检测的关键环节,相应布尔问题的求解已然成为整个故障检测过程的效率瓶颈.本文研究了主流自动测试向量求解框架中不同算子对求解效率的影响,在保证测试向量求解流程完备性的同时引入基于深度学习的故障分析机制,并将分析结果用于算子的自动选择和初始求解状态的确定,旨在优化整体求解进程.针对因真实电路故障数据不足导致模型学习效果欠佳的问题,本文利用生成对抗网络实现数据增广,结合多层图卷积神经网络促进高效表征学习,从而提高故障性质的预测精度.在若干真实电路上的实验结果表明,本文所提出的新框架与原有框架相比,平均求解效率提升近20%.
-
关键词
自动测试向量生成
图神经网络
生成对抗网络
数据增广
算子选择
-
Keywords
automation test pattern generation
graph neural network
generative adversarial network
data augmentation
operator selection
-
分类号
TN407
[电子电信—微电子学与固体电子学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
