“段莫名”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4个，建议您升级VIP下载更多相关专利

[发明专利]基于分布式学习的图像训练方法、系统、介质及智能设备-CN201911108461.X有效
发明人：刘铎;段莫名;陈咸彰;谭玉娟 -专利权人：重庆大学
申请日： 2019-11-13 - 公布日： 2023-08-01 - 主分类号： G06V10/778 文献下载
摘要：本发明公开了一种基于分布式学习的图像训练方法、系统、存储介质及智能设备，所述方法包括：接收服务端根据各客户端的图像分布数据下发的图像增强信息，并将进行图像增强后的图像分布数据传送至服务端；服务端根据增强后的图像分布数据创建中间进程，并通过各中间进程向对应的用户终端下发初始神经网络模型；各中间进程通过梯度下降法对各自的初始神经网络模型进行更新，并将更新后的中间层神经网络模型传送至服务端；服务端通过整合算法对各中间层神经网络模型进行整合，以得到全局神经网络模型。本发明能够在不平衡图片数据集的情况下使训练得到的神经网络模型具有较高的图片识别精度，减少达到指定图片识别精度所需的网络传输开销。
基于分布式学习图像训练方法系统介质智能设备

[发明专利]基于半异步的联邦学习方法、系统、服务器及介质-CN202110681063.8有效
发明人：刘铎;张宇;段莫名;李丽;陈咸彰;任骜;谭玉娟;汪成亮;梁靓 -专利权人：重庆大学
申请日： 2021-06-18 - 公布日： 2023-04-07 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于半异步的联邦学习方法，其在中央服务器上根据每一个客户端的的本地模型更新方向和更新时间对所述客户端进行分组，得到多个客户端组，并创建多个以客户端组为单位的调度进程，以使得所述调度进程在每个通信轮中初始化所属组的组模型版本号，并在每个通信轮中根据客户端的本地模型的版本号与组模型版本号计算版本号之差，以用来衡量客户端的本地模型的过时程度，进而使得所述客户端根据版本号之差与预设模型过时阈值的比较结果选择同步更新或异步更新的方式更新本地模型，其能有效解决客户端的掉队效应，并能解决客户端的模型过时问题，进而提升模型的精确度。
基于异步联邦学习方法系统服务器介质

[发明专利]基于分布式学习的模型训练方法、服务器及分布式系统-CN202110624386.3有效
发明人：刘铎;李丽;段莫名;张宇;陈咸彰;任骜;谭玉娟;汪成亮;梁靓 -专利权人：重庆大学
申请日： 2021-06-04 - 公布日： 2022-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于分布式学习的模型训练方法，其根据客户端的历史训练任务的完成情况，得到客户端的当前训练轮任务预测量，以使得客户端根据所述当前训练轮任务预测量和服务器下发的全局模型进行本地训练，得到客户端的当前训练轮的本地模型和当前训练轮实际任务量，进而将每一个客户端的当前训练轮的本地模型聚合成新的全局模型，并根据所述当前训练实际任务量对客户端的历史任务完成情况进行更新，其通过尽可能预测逼近客户端实际训练能力的任务量，进而适应性地对客户端的训练任务作出调整，使得客户端尽可能完成多的训练任务而不掉队，提升了全局模型的精度。相应地，本发明还提供了一种服务器和分布式学习系统。
基于分布式学习模型训练方法服务器系统

[发明专利]基于分布式机器学习的分组训练方法、服务器及客户端-CN202111232230.7在审
发明人：刘铎;段莫名;吴宇;张斌艳;陈咸彰;任骜;谭玉娟;汪成亮 -专利权人：重庆大学
申请日： 2021-10-22 - 公布日： 2022-03-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于分布式机器学习的分组训练方法、服务器及客户端，所述分组训练方法基于客户端的本地优化目标梯度，将训练任务按优化目标拆分到对应的组共识模型中进行训练，减轻了由于隐含子优化目标冲突而导致的训练收敛速度下降，模型性能下降，训练抖动增加等问题，同时，本发明在训练的过程中还对客户端的本地训练数据偏移情况进行监测，当客户端的本地训练数据发生偏移时，更新客户端的分组信息，以使得每一客户端能在优化目标最相似的组模型中进行训练，有效减少了由于训练数据分布不平衡而导致机器学习模型的偏差问题。
基于分布式机器学习分组训练方法服务器客户端