[发明专利]一种基于分布式学习的刀具寿命预测方法

权利要求书

1.一种基于分布式学习的刀具寿命预测方法，其特征在于，所述方法包括：

第一终端将本地数据中的刀具特征数据输入至本地持有的本地模型中，获取所述本地模型输出的刀具寿命预测结果，并根据所述刀具寿命预测结果和所述本地数据中的刀具寿命标签得到本地训练损失，将所述本地训练损失发送至第二终端；

所述本地模型包括特征提取模块和预测模块；所述第一终端将本地数据中的刀具特征数据输入至本地持有的本地模型中，获取所述本地模型输出的刀具寿命预测结果，包括：

所述第一终端将所述刀具特征数据输入至所述特征提取模块，获取所述特征提取模块输出的特征向量；

所述第一终端将所述特征向量输入至所述预测模块，获取所述预测模块输出的所述刀具寿命预测结果；

所述第二终端获取各个所述第一终端分别发送的所述本地训练损失，基于各个所述本地训练损失更新目标模型的参数，所述目标模型的结构和所述本地模型的结构相同；

所述第二终端基于各个所述本地训练损失更新目标模型的参数，包括：

所述第一终端基于所述特征向量确定目标向量，将所述目标向量发送至所述第二终端；

所述第二终端获取各个所述第一终端发送的所述目标向量，将各个所述目标向量输入至注意力模型中，获取所述注意力模型中输出的各个所述目标向量对应的权重；

所述第二终端根据各个所述目标向量对应的权重对各个所述本地训练损失进行加权求和，得到目标训练损失；

所述第二终端基于所述目标训练损失更新所述目标模型的参数；

所述第一终端基于所述特征向量确定目标向量，包括：

所述第一终端将所述特征向量输入至权重特征提取模型，获取所述权重特征提取模型输出的所述目标向量；

所述第二终端基于所述目标训练损失更新所述目标模型的参数之后，所述方法还包括：

所述第二终端基于所述目标训练损失计算梯度，将所述梯度按照各个所述目标向量对应的权重进行拆解，将拆解后的结果分别发送至各个所述第一终端；

所述第一终端基于接收到的所述梯度的拆解结果更新所述本地模型的参数；

所述第二终端基于所述目标模型进行刀具寿命预测。

2.根据权利要求1所述的基于分布式学习的刀具寿命预测方法，其特征在于，所述第二终端基于所述目标训练损失更新所述目标模型的参数，包括：

所述第二终端基于所述目标训练损失计算梯度，采用梯度下降法更新所述目标模型和所述注意力模型的参数。

3.根据权利要求1所述的基于分布式学习的刀具寿命预测方法，其特征在于，所述第一终端基于接收到的所述梯度的拆解结果更新所述本地模型的参数，包括：

所述第一终端基于接收到的所述梯度的拆解结果更新所述本地模型和所述权重特征提取模型的参数。

4.根据权利要求1所述的基于分布式学习的刀具寿命预测方法，其特征在于，所述第一终端将本地数据中的刀具特征数据输入至本地持有的本地模型之前，所述方法还包括：

所述第一终端接收所述第二终端发布的数据模板，根据所述数据模板整理本地数据，得到所述刀具特征数据。

5.一种基于分布式学习的刀具寿命预测系统，其特征在于，所述系统包括多个第一终端和第二终端；

所述第一终端用于将本地数据中的刀具特征数据输入至本地持有的本地模型中，获取所述本地模型输出的刀具寿命预测结果，并根据所述刀具寿命预测结果和所述本地数据中的刀具寿命标签得到本地训练损失，将所述本地训练损失发送至所述第二终端；

所述本地模型包括特征提取模块和预测模块；所述第一终端将本地数据中的刀具特征数据输入至本地持有的本地模型中，获取所述本地模型输出的刀具寿命预测结果，包括：

所述第一终端将所述刀具特征数据输入至所述特征提取模块，获取所述特征提取模块输出的特征向量；

所述第一终端将所述特征向量输入至所述预测模块，获取所述预测模块输出的所述刀具寿命预测结果；

所述第二终端用于获取各个所述第一终端分别发送的所述本地训练损失，基于各个所述本地训练损失更新目标模型的参数，所述第二终端基于所述目标模型进行刀具寿命预测，所述目标模型的结构和所述本地模型的结构相同；

所述第二终端基于各个所述本地训练损失更新目标模型的参数，包括：

所述第一终端基于所述特征向量确定目标向量，将所述目标向量发送至所述第二终端；

所述第二终端获取各个所述第一终端发送的所述目标向量，将各个所述目标向量输入至注意力模型中，获取所述注意力模型中输出的各个所述目标向量对应的权重；

所述第二终端根据各个所述目标向量对应的权重对各个所述本地训练损失进行加权求和，得到目标训练损失；

所述第二终端基于所述目标训练损失更新所述目标模型的参数；

所述第一终端基于所述特征向量确定目标向量，包括：

所述第一终端将所述特征向量输入至权重特征提取模型，获取所述权重特征提取模型输出的所述目标向量；

所述第二终端基于所述目标训练损失更新所述目标模型的参数之后，所述系统还包括：

所述第二终端基于所述目标训练损失计算梯度，将所述梯度按照各个所述目标向量对应的权重进行拆解，将拆解后的结果分别发送至各个所述第一终端；

所述第一终端基于接收到的所述梯度的拆解结果更新所述本地模型的参数。