“上海嗨普智能信息科技股份有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果29个，建议您升级VIP下载更多相关专利

[发明专利]数据渲染系统、方法及电子设备-CN201910584588.2有效
发明人：蔡文渊;郭小铭 -专利权人： 上海嗨普智能信息科技股份有限公司
申请日： 2019-07-01 - 公布日： 2023-07-14 - 主分类号： G06F16/957 文献下载
摘要：本申请提供一种数据渲染系统、方法及电子设备，包括建立具有显示区的虚拟数据表，执行行垂直高度转换处理以获得目标数据的渲染行垂直高度，再根据滚动条的当前位置计算最小显示行垂直高度和最大显示行垂直高度，据以提取渲染行垂直高度介于最小显示行垂直高度和最大显示行垂直高度之间的目标数据并渲染至显示区中以最终呈现给用户，借此，本申请能按需渲染网页中的表格数据，可以改善浏览器的渲染性能并节省计算机资源。
数据渲染系统方法电子设备

[发明专利]标识信息分配方法、系统及存储设备-CN201910584713.X有效
发明人：蔡文渊;张坤坤 -专利权人： 上海嗨普智能信息科技股份有限公司
申请日： 2019-07-01 - 公布日： 2023-06-02 - 主分类号： G06F16/22 文献下载
摘要：本申请提供一种标识信息分配方法、系统以及存储设备，包括接收并切分标识信息，以生成第一比特串和第二比特串，且所述第一比特串具有与桶号相同比特长度，再取得第二比特串的哈希值，且从第一比特位开始，从哈希值中截取具有与桶号相同比特长度的第三比特串，在针对第一比特串和第三比特串执行异或运算，据以将第二比特串分配至具有与异或运算结果相同的桶号的桶内存储。通过本申请能够解决信息冗余存储的问题，节省了存储空间并可达到各桶平衡存储的目的。
标识信息分配方法系统存储设备

[发明专利]用户信息获取方法、电子设备和介质-CN202011623343.5有效
发明人：蔡文渊;贲利华;顾海林;王中义;樊聆之;骆绪锐;徐林昊 -专利权人： 上海嗨普智能信息科技股份有限公司
申请日： 2020-12-31 - 公布日： 2023-05-30 - 主分类号： G06F18/22 文献下载
摘要：本发明涉及一种用户信息获取方法、电子设备和介质，方法包括步骤S1、从第一服务器获取第一列表，从第二服务器获取第二列表；步骤S2、将第一列表中的每一第一用户的第一特征信息输入第一编码器中，得到第一嵌入式向量，将第二列表中的每一第二用户的第二特征信息输入第二编码器，得到第二嵌入式向量；步骤S3、将每一第一嵌入式向量与所有第二嵌入式向量进行近邻匹配，确定对应的第二嵌入式向量；步骤S4、获取每一第一嵌入式向量对应的第二嵌入式向量对应的第二特征信息，将该第二特征信息确定为该第一嵌入式向量对应的第一用户的第二特征信息。本发明能够在不泄露服务器本地的用户信息前提下，快速准确地对全量数据进行匹配，获取目标用户信息。
用户信息获取方法电子设备介质

[发明专利]基于树形结构的多标签预测方法、控制器和介质-CN202110392743.8有效
发明人：蔡文渊;张坤坤;高明;周傲英;徐林昊;顾海林;孙嘉 -专利权人： 上海嗨普智能信息科技股份有限公司;华东师范大学
申请日： 2021-04-13 - 公布日： 2023-04-07 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及一种基于树形结构的多标签联邦学习方法、控制器和介质，所述方法包括步骤S1、获取n个数据持有方中每一数据持有方对应的训练数据集；步骤S2、基于所述n个数据持有方的用户标签生成标签依赖关系树；步骤S3、以{X1，X2，...，Xn}∪G(Yt(j))作为预测子模型Mt(j)的输入数据，以预测标签Yt(j)作为预测子模型Mt(j)的输出数据，进行纵向联邦学习训练，并行训练生成预测子模型Mt(j)；步骤S4、待测用户的特征为{x1，x2，...，xn}，基于{x1，x2，...，xn}、标签依赖关系树和Mt(j)生成所述待测用户所有标签{yt(1)，yt(2)，...，yt(n)}，yt(j)表示待测用户对应于第t(j)个标签的预测值。本发明基于多标签之间的相互关系进行联邦学习，提高了模型精度和模型训练速度。
基于树形结构标签预测方法控制器介质

[发明专利]基于异构数据的联邦学习系统-CN202110309164.2有效
发明人：蔡文渊;魏森辉;高明;顾海林;徐林昊;孙嘉 -专利权人： 上海嗨普智能信息科技股份有限公司;华东师范大学
申请日： 2021-03-23 - 公布日： 2023-02-28 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种基于异构数据的联邦学习系统，包括中央服务器、K个客户端、存储有计算机程序的存储器和处理器，所述中央服务器存储有每轮联邦学习得的全局控制变量S、全局模型参数W，所述全局控制变量S用于记录本轮全局模型更新的方向；所述客户端存储有每次参与联邦学习得到每一参与客户端得到的本地控制变量Si，所述本地控制变量Si用于记录客户端本次参与联邦学习训练的本地模型更新的方向，i的取值为1到K。本发明降低了基于异构数据的联邦学习的通信代价，提高了联邦学习收敛速度和收敛稳定性。
基于数据联邦学习系统

[发明专利]基于变分自编码器、无监督聚类算法和联邦学习的数据生成方法-CN202210251482.2在审
发明人：魏森辉;高明;蔡文渊;杜蓓;刘翔 -专利权人：华东师范大学;上海嗨普智能信息科技股份有限公司
申请日： 2022-03-15 - 公布日： 2022-10-25 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种基于变分自编码器、无监督聚类算法和联邦学习的数据生成方法，该方法通过联邦学习架构共同训练每个本地客户端的变分自编码器，并且针对不同客户端数据域的差异，提出利用无监督聚类算法来对不同客户端进行分组，然后在每个簇内单独进行联邦学习模型训练，很大程度上缓解了数据域差异给联邦模型训练带来的危害，最终每个组可以训练得到一个全局生成模型。在预测阶段就可以利用训练好的全局生成模型产生更多安全的共享的数据，为更多机器学习和深度学习任务提高有效的数据支撑。
基于编码器监督算法联邦学习数据生成方法

[发明专利]基于多服务器的联邦学习系统-CN202110348333.3有效
发明人：蔡文渊;吴宇航;高明;钱卫宁;徐林昊;顾海林;袁国玮 -专利权人： 上海嗨普智能信息科技股份有限公司;华东师范大学
申请日： 2021-03-31 - 公布日： 2022-10-11 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种基于多服务器的联邦学习系统，实现步骤S1、构建环形哈希空间；S2、在环形哈希空间为第s服务器划分对应的全局模型参数范围；S3、向每一客户端广播每一服务器对应的全局模型参数范围，控制每一服务器初始化对应的全局模型参数；S4、在第t轮训练中，第k参与客户端从每一服务器获取对应的全局模型参数；S5、每一客户端进行本地训练，根据每一服务器对应的全局模型参数范围向每一服务器发送对应的本地模型参数和本地数据量；S6、每一服务器基于本轮M个参与客户端发送的本地更新参数和本地数据量更新对应的本轮全局模型参数；S7、判断模型是否收敛，若收敛，则结束，否则，令t＝t+1,返回S4。本发明提高了联邦学习模型训练的效率。
基于服务器联邦学习系统

[发明专利]数据处理方法、电子设备及介质-CN202011044243.7有效
发明人：蔡文渊;骆玮璐;潘翔;张坤坤 -专利权人： 上海嗨普智能信息科技股份有限公司
申请日： 2020-09-28 - 公布日： 2022-09-30 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及一种数据处理方法、电子设备及介质，方法包括：步骤S1、从预设数据库中获取预设时间段内的所有信息浏览特征数据；步骤S2、遍历所有信息浏览特征数据，获取每预设s个通道组合序列走向每一s个通道组合序列、第一信息推送结果或第二信息推送结果的概率，得到概率分布表，其中，共有N个信息通道，s＜N；步骤S3、根据所述概率分布表在所有通道中进行Q次随机游走模拟，得到Q条信息浏览模拟路径信息；步骤S4、基于所述Q条模拟路径信息确定每一通道在所述预设时间内达到预设信息推送目标的权重。本发明能够高效、准确地获取到不同通道对于达到预设推送目标预设信息推送目标的权重。
数据处理方法电子设备介质

[发明专利]基于链式的多标签预测方法、控制器和介质-CN202110392483.4有效
发明人：蔡文渊;张坤坤;高明;钱卫宁;徐林昊;顾海林;杜蓓 -专利权人： 上海嗨普智能信息科技股份有限公司;华东师范大学
申请日： 2021-04-13 - 公布日： 2022-09-30 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于链式的多标签联邦学习方法、控制器和介质，所述方法包括步骤S1、获取n个数据持有方中每一数据持有方对应的训练数据集；步骤S2、基于所述n个数据持有方的用户标签生成标签排序；步骤S3、以{X1，X2，...，Xn}U{Yt(m)|m＜j，m＝1，2，...n}作为预测子模型Mt(j)的输入数据，以预测标签Yt(j)作为预测子模型Mt(j)的输出数据，进行纵向联邦学习训练，并行训练生成预测子模型Mt(j)；步骤S4、待测用户的特征为{x1，x2，...，xn}，将{x1，x2，...，xn}U{yt(m)|m＜j，m＝1，2，...n}作为Mt(j)输入，按照标签排序依次执行各个预测子模型Mt(j)的预测任务，生成所述待测用户所有标签{yt(1)，yt(2)，...，yt(n)}，yt(j)表示待测用户对应于第t(j)个标签的预测值。本发明基于多标签之间的相互关系进行联邦学习，提高了模型精度。
基于链式标签预测方法控制器介质

[发明专利]基于有向无环图的多标签联邦学习方法、控制器和介质-CN202110392484.9有效
发明人：蔡文渊;张坤坤;高明;钱卫宁;徐林昊;顾海林;袁国玮 -专利权人： 上海嗨普智能信息科技股份有限公司;华东师范大学
申请日： 2021-04-13 - 公布日： 2022-09-30 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于有向无环图的多标签联邦学习方法、控制器和介质，所述方法包括步骤C1、获取n个数据持有方中每一数据持有方对应的训练数据集；步骤C2、基于所述n个数据持有方的用户标签生成标签有向无环图；步骤C3、以{X1，X2，...，Xn}∪G(Yt(j))作为预测子模型Mt(j)的输入数据，以预测标签Yt(j)作为预测子模型Mt(j)的输出数据，进行纵向联邦学习训练，并行训练生成预测子模型Mt(j)；步骤C4、待测用户的特征为{x1，x2，...，xn}，基于{x1，x2，...，xn}、标签有向无环图和Mt(j)生成所述待测用户所有标签{yt(1)，yt(2)，...，yt(n)}，yt(j)表示待测用户对应于第t(j)个标签的预测值。本发明基于多标签之间的相互关系进行联邦学习，提高了模型精度。
基于无环图标签联邦学习方法控制器介质

[发明专利]数据处理方法、电子设备及介质-CN202011044254.5有效
发明人：蔡文渊;骆玮璐;潘翔;张坤坤 -专利权人： 上海嗨普智能信息科技股份有限公司
申请日： 2020-09-28 - 公布日： 2022-09-13 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及一种数据处理方法、电子设备及介质，方法包括步骤S1、从预设数据库中获取预设时间段内的M条信息浏览特征数据；步骤S2、构建正样本集和负样本集；步骤S3、将正样本集和负样本集输入预设的逻辑回归模型进行训练,得到每个样本对应的预测信息推送结果概率步骤S4、基于所有样本的实际信息推送结果概率yi和获取当前损失函数L，并判断是否需要调整模型参数，若需要，则基于L调整模型参数，返回执行步骤S3，否则，执行步骤S5；步骤S5、输出当前模型的回归系数，基于回归系数和所有正样本确定每一通道在所述预设时间内达到预设信息推送目标的权重。本发明能够高效、准确地获取到不同通道对于达到预设推送目标预设信息推送目标的权重。
数据处理方法电子设备介质

[发明专利]联邦学习数据处理系统-CN202110199413.7有效
发明人：蔡文渊;骆绪锐;顾海林;王中义;贲利华;徐林昊;孙嘉;袁国玮 -专利权人： 上海嗨普智能信息科技股份有限公司
申请日： 2021-02-22 - 公布日： 2022-08-26 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种联邦学习数据处理系统，实现步骤S1、接收获取参与方对联邦学习的表现程度指令，并解析出预设轮次M值；步骤S2、从数据库获取当前时刻前预设M轮训练轮次中，每轮次每一参与方节点的的第一贡献度Cj(i)；步骤S3、若M＝1，则将距离当前时刻最近一轮次的每一参与方节点的第一贡献度确定为目标贡献度VL(i)，否则，执行步骤S4；步骤S4、基于Cj(i)获取每一参与方节点每一轮时对联邦学习的第二贡献度Vj(i)，将当前时刻前预设M轮的第二贡献度Vj(i)的平均值确定为目标贡献度VL(i)；步骤S5、基于VL(i)确定参与方节点在当前时刻前预设M轮训练轮次中对联邦学习的表现权重。本发明能够快速准确地获取联邦学习过程中每一参与方对联邦学习的表现程度。
联邦学习数据处理系统

[发明专利]一种图数据上的联邦学习优化方法-CN202210499734.3在审
发明人：吴宇航;高明;蔡文渊;杜蓓;刘翔 -专利权人：华东师范大学;上海嗨普智能信息科技股份有限公司
申请日： 2022-05-09 - 公布日： 2022-08-19 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种图数据上的联邦学习优化方法，该方法包括：步骤S1、服务器根据预先配置文件，随机初始化必要参数，并将训练轮数T初始化为1；步骤S2、在第T轮训练中，选择M个参与客户端，向每一参与客户端发送训练指令，第k参与客户端根据指令进行训练；步骤S3、每一客户端相关参数生成本地的个性化补充模型，并进行本地训练，向服务器发送对应的模型参数；步骤S4、服务器基于本轮M个参与客户端发送的本地更新参数更新对应的本轮模型参数；步骤S5、判断模型是否收敛，若收敛，则结束模型训练，得到模型，否则，令T=T+1，执行步骤S2‑S5。本发明能利用各客户端本地数据分布建模，提高了图数据上联邦学习模型训练的效率和准确率。
一种数据联邦学习优化方法

[发明专利]基于联邦学习的数据处理系统-CN202210366838.7在审
发明人：蔡文渊;郑舒;高明;钱卫宁;周傲英;杜蓓;刘翔 -专利权人： 上海嗨普智能信息科技股份有限公司;华东师范大学
申请日： 2022-04-08 - 公布日： 2022-06-24 - 主分类号： G06V30/32 文献下载
摘要：本发明涉及一种基于联邦学习的数据处理系统，包括中心服务器S*、n个参与联邦学习的数据终端{S1，S2…Sn}、处理器和存储有计算机程序的存储器，其中，Si表示第i个数据终端，i的取值范围为1到n,Si中存储有对应的训练数据集合Di,所有Di中的每条数据的数据格式均相同，Si对应的本地模型为Li(x),Li(x)的输入为Di中的数据，Li(x)的输出为G(x)的输入，G(x)为S*维护的全局模型,G(x)的输出为目标预测结果。本发明能够提高预测模型的训练效率。
基于联邦学习数据处理系统

[发明专利]基于软聚类的联邦学习数据处理系统-CN202210367067.3在审
发明人：蔡文渊;郑舒;高明;钱卫宁;周傲英;杜蓓;刘翔 -专利权人： 上海嗨普智能信息科技股份有限公司;华东师范大学
申请日： 2022-04-08 - 公布日： 2022-06-24 - 主分类号： G06V30/32 文献下载
摘要：本发明涉及一种基于软聚类的联邦学习数据处理系统，包括中心服务器S*、n个参与联邦学习的数据终端{S1，S2...Sn}、处理器和存储有计算机程序的存储器，其中，Si表示第i个数据终端，i的取值范围为1到n，Si中存储有对应的训练数据集合Di，所有Di中的每条数据的数据格式均相同，Si对应的本地模型为Li(x)，Li(x)的输入为Di中的数据，S*中还包括n个聚类列表，Ti表示Si对应的聚类列表，Ti＝(Ti1，Ti2...TiC)，其中，Tic表示Si属于第c类别的概率，c的取值范围为1到C，C为预设的聚类类别数。本发明能够降低预测模型训练时间成本并提高预测模型的精度。
基于软聚类联邦学习数据处理系统

1
2
下一页»
尾页
共 29 条