“彭胜波”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17个，建议您升级VIP下载更多相关专利

[外观设计]沙发（柚木）-CN202330230657.7有效
发明人：张玉荣;彭胜波 -专利权人：东莞市好美佳智能户外用品有限公司
申请日： 2023-04-24 - 公布日： 2023-09-05 - 主分类号： 06-01 文献下载
摘要：1.本外观设计产品的名称：沙发（柚木）。2.本外观设计产品的用途：用于供人休息的沙发。3.本外观设计产品的设计要点：在于形状。4.最能表明设计要点的图片或照片：使用状态参考图。5.其他需要说明的情形其他说明：本外观设计产品的底面为使用时不容易看到或看不到的部位，故省略套件1仰视图、套件2仰视图、套件3仰视图、套件4仰视图。
沙发柚木

[发明专利]联邦学习的方法、装置、系统、电子设备及存储介质-CN202111372708.6有效
发明人：刘吉;章红;贾俊铖;周吉文;彭胜波;周瑞璞;窦德景 -专利权人：北京百度网讯科技有限公司
申请日： 2021-11-18 - 公布日： 2023-08-29 - 主分类号： G06F18/214 文献下载
摘要：本公开提供了一种联邦学习方法、装置、系统、电子设备及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：对全局模型执行多轮训练，直到满足训练结束条件，得到经训练的全局模型；以及向多个设备发布经训练的全局模型。所述多轮训练中的每轮训练包括：向所述多个设备中的至少一部分设备发送当前全局模型；接收来自所述至少一部分设备的针对所述当前全局模型的经训练参数；对接收到的参数执行聚合，以获得当前聚合模型；以及基于全局共享数据集对所述当前聚合模型进行调整，并将调整后的聚合模型更新作为新的当前全局模型，以用于下轮训练。
联邦学习方法装置系统电子设备存储介质

[发明专利]一种基于横向联邦学习的信息挖掘方法及系统-CN202310064842.2在审
发明人： 彭胜波;陈林;嵩涛 -专利权人：中国烟草总公司贵州省公司
申请日： 2023-02-06 - 公布日： 2023-06-23 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于横向联邦学习的信息挖掘方法及系统。该方法包括：参与方节点服务器获取本地参与方的至少两组样本数据；参与方节点服务器计算所述样本数据的局部总数目，以及样本数据中各特征的局部出现次数；参与方节点服务器根据所述局部总数目以及所述局部出现次数，从所述各特征中筛选出局部频繁特征集；参与方节点服务器将所述局部频繁特征集的出现信息随机拆分后发送至所述信息挖掘系统中至少2个联邦节点服务器；联邦节点服务器根据接收的数据，统计不同参与方样本数据的全局频繁特征集，第一个独权。实现了在保障参与方数据隐私和安全的情况下，基于关联学习对特征间关联信息进行深度挖掘。
一种基于横向联邦学习信息挖掘方法系统

[发明专利]信息推荐及模型训练方法、装置、设备和存储介质-CN202211393997.2在审
发明人： 彭胜波;周吉文 -专利权人：北京百度网讯科技有限公司
申请日： 2022-11-08 - 公布日： 2023-05-16 - 主分类号： G06F16/9535 文献下载
摘要：本公开提供了一种信息推荐及模型训练方法、装置、设备和存储介质，涉及计算机技术领域，具体涉及联邦学习、深度学习、智能推荐、信息安全等技术领域。信息推荐模型的训练方法包括：采用所述第一网络，对第一对象信息进行特征提取，以获得第一语义特征；对所述第一语义特征进行加密处理，以获得第一组加密信息；基于所述第一组加密信息，获取第一语义特征和第二语义特征之间的相似度，所述第二语义特征是所述第二客户端采用所述第二网络对第二对象信息进行特征提取后获得的；基于所述相似度调整所述第一网络的模型参数。本公开可以实现基于纵向联邦学习训练信息推荐模型及对应的信息推荐。
信息推荐模型训练方法装置设备存储介质

[发明专利]联邦学习方法、装置、设备和介质-CN202210234461.X有效
发明人： 彭胜波;周吉文 -专利权人：北京百度网讯科技有限公司
申请日： 2022-03-10 - 公布日： 2023-05-02 - 主分类号： G06F9/50 文献下载
摘要：本公开提供了一种联邦学习方法、装置、设备和介质，涉及人工智能领域，具体涉及联邦学习和机器学习领域。联邦学习方法包括：接收与目标参与方的联邦学习任务相关的数据，其中，目标参与方至少包括第一计算设备，用于执行联邦学习任务；确定第一计算设备的能够用于执行联邦学习任务的计算资源；以及响应于确定数据和计算资源满足预设条件，生成用于执行联邦学习任务的第一部署方案，其中，第一部署方案指示在第一计算设备上至少生成第一工作节点和第二工作节点。
联邦学习方法装置设备介质

[发明专利]一种样本聚类处理方法、装置、存储介质及电子设备-CN202310064936.X在审
发明人： 彭胜波;周宏;陈林;侯雄辉 -专利权人：中国烟草总公司贵州省公司
申请日： 2023-02-06 - 公布日： 2023-04-28 - 主分类号： G06F18/2321 文献下载
摘要：本公开实施例提供了一种样本聚类处理方法，包括：基于本地的各样本的特征信息，获取各样本的本地样本距离信息；基于预设协议对本地样本距离信息进行处理，获取各所述样本的全特征维度距离信息；其中，预设协议包括以下至少之一：SPDZ、ABY、ABY3或NPDZ；基于全特征维度距离信息，获取各样本的聚类信息；基于各样本的聚类信息，将本地的各样本进行聚类处理。通过使用预设协议，可以使得本地服务器能够基于本地样本距离信息完成各样本的全特征维度距离信息计算，而不需要借助于中心服务器进行计算，从而解决了相关技术中难以找到可信中心服务器的问题，实现对位于联邦学习系统中的多个本地服务器中的样本进行聚类处理和无监督学习。
一种样本处理方法装置存储介质电子设备

[发明专利]基于联邦学习的模型训练方法、预测方法、装置-CN202310065272.9在审
发明人： 彭胜波;吴霁霖;黄涛 -专利权人：中国烟草总公司贵州省公司
申请日： 2023-02-06 - 公布日： 2023-04-28 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了基于联邦学习的模型训练方法、预测方法、装置，涉及计算机技术领域，尤其涉及人工智能、云计算、大数据等具体领域。具体实现方案为：利用获取到的局部模型参数，对客户端节点进行聚类处理，得到簇集合，局部模型参数是客户端节点利用本地数据样本进行学习并满足指定学习要求后生成的。利用簇集合，对局部模型参数进行优化，得到全局模型参数。将加密后的全局模型参数反馈给客户端节点。通过本申请的上述过程可以有效地减少客户端节点之间的差异性，从而得到的使得全局模型参数的效果较好。
基于联邦学习模型训练方法预测装置

[发明专利]一种基于联邦学习的联合训练方法及系统-CN202310065357.7在审
发明人： 彭胜波;彭宇;周宏;王克敏 -专利权人：中国烟草总公司贵州省公司
申请日： 2023-02-06 - 公布日： 2023-04-28 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于联邦学习的联合训练方法及系统。该方法包括：各主动方分别计算各自拥有的每条样本的一阶导数和二阶导数，并在同态加密后，把密文发给被动方的参数服务器；被动方的参数服务器基于安全多方计算协议从样本维度对来自各主动方的一阶导数的密文[gji]和二阶导数的密文[hji]分别求和，得到主动方样本的一阶导数的密文[gi]和二阶导数的密文[hi]；基于精度无损隐私保护树提升算法，协调方协调主动方和被动方，根据所述[gi]和[hj]训练得到提升树模型，以满足横纵向共存的联邦学习场景。
一种基于联邦学习联合训练方法系统

[发明专利]相关系数获取方法、装置、电子设备和存储介质-CN202210116753.3有效
发明人： 彭胜波;周吉文 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2022-02-07 - 公布日： 2023-03-17 - 主分类号： G06F21/60 文献下载
摘要：本公开提供了相关系数获取方法、装置、电子设备和存储介质，涉及数据处理领域，具体为大数据、深度学习和人工智能技术领域。具体实现方案为：获取第一原始数据，并采用关联密钥对第一原始数据进行同态加密，确定第一传输数据，关联密钥为第一参与节点与第二参与节点共同约定；将第一传输数据发送至辅助节点，以使辅助节点接收第一传输数据，并对第一传输数据和第二传输数据进行同态运算，得到第一原始数据和第二原始数据之间的相关系数，第二传输数据通过第二参与节点采用关联密钥对第二原始数据进行同态加密确定；接收辅助节点反馈的相关系数。本公开实施例可以提高相关系数计算数据的安全性。
相关系数获取方法装置电子设备存储介质

[发明专利]信息推荐及模型训练方法、装置、设备和存储介质-CN202211393989.8在审
发明人： 彭胜波;周吉文 -专利权人：北京百度网讯科技有限公司
申请日： 2022-11-08 - 公布日： 2023-03-14 - 主分类号： G06N20/20 文献下载
摘要：本公开提供了一种信息推荐及模型训练方法、装置、设备和存储介质，涉及计算机技术领域，具体涉及联邦学习、深度学习、智能推荐、信息安全等技术领域。信息推荐模型的训练方法包括：基于至少一个客户端的局部密度，对所述至少一个客户端进行聚类处理，以获得至少一个簇；针对所述至少一个簇中单个簇，执行第一预设次数的迭代过程，以确定所述单个簇的最终全局信息；针对所述单个簇，将所述单个簇的最终全局信息发送至所述单个簇包括的客户端，以使所述客户端基于所述最终全局信息确定本地部署的信息推荐模型的最终模型参数。本公开可以提高信息推荐准确度。
信息推荐模型训练方法装置设备存储介质

[发明专利]数据处理方法、装置、电子设备和存储介质-CN202211442879.6在审
发明人： 彭胜波;周吉文;鲁爽丽 -专利权人：百度国际科技（深圳）有限公司
申请日： 2022-11-17 - 公布日： 2023-03-07 - 主分类号： G06F16/27 文献下载
摘要：本公开提供了一种数据处理方法，涉及人工智能技术领域，尤其涉及计算机安全、深度学习和联邦学习等技术领域。具体实现方案为：对数据接收方的第一源数据进行切分，得到至少一个第一子数据；根据第一子数据，生成第一哈希数据；对第一哈希数据进行切分，得到切分结果，其中，切分结果包括第一子哈希数据和第二子哈希数据；根据与第一子哈希数据对应的第二预设函数输出集以及与第二子哈希数据对应的第一预设函数输出集，确定比较结果；以及根据第一子数据、第二目标子数据和比较结果，确定与第一源数据对应的并集数据，其中，第二预设函数输出集来自于数据发送方。本公开还提供了一种数据处理装置、电子设备和存储介质。
数据处理方法装置电子设备存储介质

[发明专利]基于联邦学习的模型训练方法、装置、设备和介质-CN202211065613.4在审
发明人： 彭胜波;周吉文 -专利权人：北京百度网讯科技有限公司
申请日： 2022-09-01 - 公布日： 2022-10-25 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了一种基于联邦学习的模型训练方法、装置、设备和介质，涉及人工智能领域，尤其涉及深度学习领域。具体实现方案为：获取联邦学习的各参与方通过自身训练样本进行相同模型训练所得的局部网络参数；根据各所述局部网络参数，确定各所述参与方的训练评价数据；根据各所述训练评价数据，对各所述参与方进行聚类；根据相同类别的参与方的局部网络参数，确定相应参与方的全局网络参数；将各所述参与方的全局网络参数反馈至相应参与方，以供模型训练。根据本公开的技术，提高了所训练模型的精度和鲁棒性。
基于联邦学习模型训练方法装置设备介质

[发明专利]基于联邦学习的决策模型训练方法、装置和联邦学习系统-CN202210493876.9在审
发明人： 彭胜波;周吉文 -专利权人：北京百度网讯科技有限公司
申请日： 2022-04-28 - 公布日： 2022-08-12 - 主分类号： G06K9/62 文献下载
摘要：本公开提供基于联邦学习的决策模型训练方法、装置、联邦学习系统、电子设备、计算机可读存储介质和计算机程序产品，涉及人工智能领域，尤其涉及联邦学习领域。方案为：由第一参与方基于多个样本数据中的部分样本数据的至少一个属性值中的一个属性值，对部分样本数据进行排序；将经排序的样本数据划分到多个数据分组中；针对每个数据分组：基于其中的至少一个样本数据的样本标识ID所构成的样本标识ID集合，生成样本标识ID编码；将样本标识ID编码发送至第二参与方；接收该数据分组所对应的至少一个标签值中每种标签值的计数；基于计数，确定与该数据分组相对应的分裂增益；基于每个数据分组所对应的分裂增益，确定决策模型所包括的局部分裂节点。
基于联邦学习决策模型训练方法装置系统

[发明专利]基于特征的分箱处理方法、装置、设备及介质-CN202210470050.0在审
发明人： 彭胜波;周吉文 -专利权人：北京百度网讯科技有限公司
申请日： 2022-04-28 - 公布日： 2022-08-02 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种基于特征的分箱处理方法、装置、设备及介质，涉及人工智能等技术领域，可以应用在联邦学习等分布式数据处理场景中。具体实现方案为：获取分箱处理所要参考的特征；基于联邦学习系统中各参与方节点中特征的字段以及特征对应的样本数据的分布情况，确定联邦学习的场景；基于各参与方节点上的样本数据中特征对应的特征值的分布属性或者预设的分箱需求，并参考联邦学习的场景，确定分箱类型；采用分箱类型，对联邦学习系统中的各参与方节点上的所述特征进行分箱处理。本公开，能够提供一种可以适用于多参与节点的联邦学习系统中的、基于特征的分箱方案，能够对联邦学习系统中的各参与方节点中的特征进行准确、有效地分箱处理。
基于特征处理方法装置设备介质

[发明专利]样本聚类处理方法、装置、设备及存储介质-CN202210040713.5在审
发明人： 彭胜波;周吉文;刘吉;陈治宇 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2022-01-14 - 公布日： 2022-05-24 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了一种样本聚类处理方法、装置、设备及存储介质，涉及联邦学习与数据处理等技术领域。具体实现方案为：接收参与联邦学习的多个计算设备中各所述计算设备发送的本地样本距离信息；基于各所述计算设备的本地样本距离信息，获取样本的聚类信息；向各所述计算设备发送样本的聚类信息，以供各所述计算设备基于样本的聚类信息，将本地的各样本进行聚类处理。根据本公开的技术，能够有效地保证样本聚类处理的准确性和聚类精度。
样本处理方法装置设备存储介质

1
2
下一页»
尾页
共 17 条