|
钻瓜专利网为您找到相关结果 439个,建议您 升级VIP下载更多相关专利
- [发明专利]跨数据源的数据处理系统、方法及装置-CN202310596133.9在审
-
叶家俊;陈超超;郑小林
-
杭州金智塔科技有限公司
-
2023-05-24
-
2023-08-15
-
G06F16/903
- 本说明书提供跨数据源的数据处理系统、方法及装置,其中所述跨数据源的数据处理系统包括发起方和多个参与方;所述发起方,用于根据本地元数据信息生成目标语句,并在所述目标语句中提取参与方标识和数据标识,其中,所述本地元数据信息包含各个参与方发布的元数据信息;在所述多个参与方中确定所述参与方标识对应的目标参与方,以及根据所述数据标识和所述目标语句确定所述目标参与方对应的数据处理计划;将所述数据处理计划发送至所述目标参与方;所述目标参与方,用于将所述数据处理计划发送至本地管理节点,并通过所述本地管理节点调用计算节点执行所述数据处理计划;根据执行结果确定所述目标语句对应的反馈数据,并发送至所述发起方。
- 数据源数据处理系统方法装置
- [发明专利]模型训练方法、装置及系统-CN201910600330.7有效
-
陈超超;李梁;王力;周俊
-
创新先进技术有限公司
-
2019-07-04
-
2023-08-11
-
G06F18/214
- 本公开提供用于训练线性/逻辑回归模型的方法和装置。在该方法中,执行下述迭代过程,直到满足预定条件:基于各个训练参与方的当前子模型以及训练发起方的特征样本集,使用无可信初始化方秘密共享矩阵乘法来获得针对特征样本集的当前预测值;训练发起方确定当前预测值与对应的标记值之间的预测差值,基于预测差值和特征样本集来确定模型更新量;将模型更新量分割为第一数目个部分模型更新量,并且将第二数目个部分模型更新量中的每个分别发送给对应的训练协同方,第二数目等于第一数目减一;各个训练参与方基于各自的当前子模型以及对应的部分模型更新量来更新当前子模型。该方法能够在保证各方数据安全的情况下提高模型训练的效率。
- 模型训练方法装置系统
- [发明专利]模型训练方法、装置及系统-CN201910103216.3有效
-
陈超超;李梁;周俊
-
创新先进技术有限公司
-
2019-02-01
-
2023-08-08
-
G06N20/00
- 本公开提供用于训练线性/逻辑回归模型的方法和装置。在该方法中,执行下述迭代过程,直到满足预定条件:基于各个训练参与方的当前子模型以及训练发起方的特征样本集,使用有可信初始化方的秘密共享矩阵乘法来获得针对特征样本集的当前预测值;训练发起方确定特征样本集的当前预测值与对应的标记值之间的预测差值,对预测差值进行分割并将分割后的部分预测差值发送给各个训练协同方;各个训练参与方基于当前子模型以及对应的部分预测差值与特征样本集之积来更新各自的子模型,在各个训练协同方处,所接收的部分预测差值与特征样本集之积是使用有可信初始化方的秘密共享矩阵乘法获得。该方法能够在保证各方数据安全的情况下提高模型训练的效率。
- 模型训练方法装置系统
- [发明专利]模型训练方法、装置及系统-CN201910103267.6有效
-
李梁;陈超超;周俊
-
创新先进技术有限公司
-
2019-02-01
-
2023-08-04
-
G06N20/00
- 本公开提供用于训练线性/逻辑回归模型的方法和装置。在该方法包中,执行下述迭代过程,直到满足预定条件:基于各个训练参与方的当前子模型以及训练发起方的特征样本集,使用无可信初始化方的秘密共享矩阵乘法来获得针对特征样本集的当前预测值;训练发起方确定特征样本集的当前预测值与对应的标记值之间的预测差值,对预测差值进行分割并将分割后的部分预测差值发送给各个训练协同方;各个训练参与方基于当前子模型以及对应的部分预测差值与特征样本集之积来更新各自的子模型,在各个训练协同方处,所接收的部分预测差值与特征样本集之积是使用无可信初始化方的秘密共享矩阵乘法获得。该方法能够在保证各方数据安全的情况下提高模型训练的效率。
- 模型训练方法装置系统
|