一种基于联邦学习的非侵入式设备状态识别方法及装置

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/软件开发
  • 学科类别:计算机科学技术/计算机软件/软件开发环境与开发技术
  • 权利人:上海交通大学

知识产权简介

本发明涉及一种基于联邦学习的非侵入式设备状态识别方法及装置,其中方法包括设备数据采集:以非侵入式方法采集一定量的家用设备电流数据与状态信息,筛选并构建设备数据集;设备状态模型的构建:建立多种机器学习算法与神经网络模型,进行设备状态的复合建模;联邦学习架构下的设备状态预测:应用联邦学习的方法改造设备状态模型,并对实际应用场景下的设备进行准确预测。与现有技术相比,本发明采用神经网络模型,提高了设备状态预测准确率,并应用了联邦学习,解决了数据源的隐私保护问题,使该发明具有可推广性。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 入股,许可,转让
预估金额
联系合作