期刊专题

10.19843/j.cnki.CN42-1779/TQ.202312023

基于联邦分割学习的输电线路异物检测算法

引用
异物入侵是导致输电线路故障的主要原因之一,但现有输电线路异物检测方法未能充分利用终端设备的计算能力,造成资源浪费与隐私数据泄露等问题.针对上述问题,提出了一种基于联邦分割学习的检测算法(FSLDA).该算法结合联邦学习和分割学习,提高输电线路异物检测效率和终端设备数据安全性.FSLDA通过构建可分割的小型神经网络,将计算负载分散至不同设备,减轻终端设备的运算压力,同时确保训练数据的隐私安全得到有效保障.实验结果表明:与经典联邦学习相比,FSLDA在保持预测精度的同时,终端设备的训练时间和能源消耗分别减少了10%和20%.由此可知,FSLDA在提升输电线路异物检测效率和可靠性方面具备有效性,并有助于优化系统总体性能和保障终端数据隐私安全.

边缘计算、联邦学习、线路检测、分割学习

46

TP393(计算技术、计算机技术)

国家自然科学基金;湖北省智能机器人重点实验室开放基金;武汉市知识创新专项曙光项目

2024-09-08(万方平台首次上网日期,不代表论文的发表时间)

共7页

439-445

相关文献
评论
暂无封面信息
查看本期封面目录

武汉工程大学学报

1674-2869

42-1779/TQ

46

2024,46(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn