“郑会钿”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25个，建议您升级VIP下载更多相关专利

[发明专利]联邦学习模型训练方法、电子设备及存储介质-CN202210249166.1有效
发明人：鲁云飞;刘洋;郑会钿;王聪;吴烨 -专利权人：抖音视界有限公司
申请日： 2022-03-14 - 公布日： 2023-08-08 - 主分类号： G06N20/20 文献下载
摘要：本公开提供一种联邦学习模型训练方法、电子设备及存储介质。本公开提供的联邦学习模型训练方法、电子设备及存储介质，各参与方设备通过与其他参与方设备进行联合加密训练获得本方的梯度信息之后，基于模型参数变化量和梯度信息变化量与其他参与方设备进行联合训练从而获得各自的梯度搜索方向；之后，目标参与方设备基于梯度搜索方向以及模型损失函数计算步长信息；最后，各参与方设备基于梯度搜索方向、步长信息对本方的模型参数进行更新，从而无需计算Hessian矩阵H的逆矩阵，相比于随机梯度下降方法、牛顿法和拟牛顿法其计算量小、通信量少，且可以保证快速收敛。
联邦学习模型训练方法电子设备存储介质

[发明专利]多方协同模型训练方法、装置、设备和介质-CN202211079219.6在审
发明人：鲁云飞;郑会钿;刘洋;王聪;吴烨 -专利权人：北京火山引擎科技有限公司
申请日： 2022-09-05 - 公布日： 2023-01-24 - 主分类号： G06F18/214 文献下载
摘要：本公开涉及多方协同模型训练方法、装置、电子设备和存储介质，包括：参与模型训练的第一方构建第一模型，第一模型与第二模型串联堆叠生成联合模型；通过第一模型预测第一样本数据得到第一特征向量，并将第一特征向量正向传递至第二模型，指示第二模型基于接收到的第一特征向量正向传播训练，并将对应的第一特征向量梯度反向传递至第一模型；第一模型和第二模型间传递的第一特征向量和/或第一特征向量梯度是基于预设隐私预算进行噪声扰动处理后进行传递的；接收并基于附加噪声的第一特征向量梯度对第一模型进行调参优化，迭代训练直至满足联合模型的训练结束条件，保证第一模型和第二模型之间传递的样本数据的隐私性，降低了联合建模的成本。
多方协同模型训练方法装置设备介质

[发明专利]一种数据处理方法、装置、设备及存储介质-CN202211262422.7在审
发明人：刘洋;郑会钿;吴烨 -专利权人：北京火山引擎科技有限公司
申请日： 2022-10-14 - 公布日： 2023-01-20 - 主分类号： G06F21/62 文献下载
摘要：本公开提供了一种数据处理方法、装置、设备及存储介质，所述方法包括：首先基于具有对应关系的n条待处理明文消息构建n维的明文向量，作为待处理明文向量，然后对待处理明文向量进行编码，得到待处理明文向量对应的码文，并将码文发送至码文运算端，接收码文运算端返回的码文运算结果，并对码文运算结果进行解码，得到码文运算结果对应的明文向量，码文运算结果对应的明文向量用于为目标运算需求提供明文消息。由于本公开实施例将具有对应关系的n条待处理明文消息构建为待处理明文向量，并基于待处理明文向量进行编解码和码文加法计算，能够减少编解码和码文加法计算的次数，从而提高了对待处理明文消息的处理效率。
一种数据处理方法装置设备存储介质

[发明专利]特征相关性计算方法、装置、设备及计算机可读存储介质-CN201911309526.7有效
发明人：谭明超;范涛;魏文斌;马国强;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2019-12-18 - 公布日： 2021-09-07 - 主分类号： G06F21/60 文献下载
摘要：本发明公开了一种特征相关性计算方法、装置、设备及计算机可读存储介质，所述方法包括：按照随机数保护机制获取本次联邦学习的待用随机数组，其中，在多次联邦学习中按照随机数保护机制获取的随机数组的分布规律不同；对待计算相关性的第一特征数据进行归一化处理，并采用待用随机数组对处理结果进行加随机数操作得到加随机数特征数据；将加随机数特征数据发送给参与纵向联邦学习的第二设备，以供第二设备对待计算相关性的第二特征数据进行归一化处理后，根据处理结果和加随机数特征数据计算得到相关值。本发明实现了保障数据隐私性的基础上，无需进行额外的加密解密过程，极大程度地提高了计算特征相关性时的数据传输和计算效率。
特征相关性计算方法装置设备计算机可读存储介质

[发明专利]特征选择方法、装置、设备及可读存储介质-CN202010891722.6有效
发明人：吴玙;范涛;马国强;魏文斌;谭明超;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-08-27 - 公布日： 2021-08-27 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种特征选择方法、装置、设备及可读存储介质，所述特征选择方法包括：获取待选择特征数据，并基于所述待选择特征数据，与第二设备进行加密聚合交互，获得所述待选择特征数据对应的全局统计特征数据，进而基于所述全局统计特征数据，计算全局相关性系数，进而基于所述全局相关性系数，对所述待选择特征数据进行特征选择，获得目标特征数据。本申请解决了特征选择效果差的技术问题。
特征选择方法装置设备可读存储介质

[发明专利]基于联邦学习系统的模型训练方法、装置、电子设备-CN202110322333.6在审
发明人：吴玙;范涛;马国强;谭明超;魏文斌;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-03-25 - 公布日： 2021-07-23 - 主分类号： G06N20/00 文献下载
摘要：本申请提供了一种基于联邦学习系统的模型训练方法、装置；方法包括：获取至少两个模型训练标签对应的第一子模型的第一模型参数，以及相应第二子模型的第二模型参数；获取各模型训练标签的标签含义，并基于标签含义确定至少两个模型训练标签间的关联关系；基于至少两个模型训练标签间的关联关系，对至少两个第一模型参数及第二模型参数进行参数聚合，得到全局模型参数；将全局模型参数分发至各第一参与方设备、以及第二参与方设备，以使第一参与方设备及第二参与方设备，基于全局模型参数更新本地模型的模型参数。通过本申请，能够保证数据的安全性，提高模型的预测准确率。
基于联邦学习系统模型训练方法装置电子设备

[发明专利]泊松回归模型的训练方法、装置、电子设备及存储介质-CN202110322421.6在审
发明人：吴玙;范涛;马国强;谭明超;魏文斌;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-03-25 - 公布日： 2021-06-11 - 主分类号： G06N20/00 文献下载
摘要：本申请提供了一种泊松回归模型的训练方法、装置，应用于联邦学习系统；方法包括：参数聚合设备获取至少两个泊松回归模型对应的模型参数对，模型参数对与泊松回归模型呈一一对应关系；每个模型参数对包括：第一参与方设备中第一子模型的模型参数、及第二参与方设备中相应第二子模型的模型参数；对至少两个模型参数对中第一子模型的模型参数、第二子模型的模型参数，分别进行模型参数聚合，得到相应的第一聚合模型参数及第二聚合模型参数；发送第一聚合模型参数至第一参与方设备，并发送所述第二聚合模型参数至各第二参与方设备，以更新泊松回归模型的模型参数。通过本申请，能够扩充联邦学习中泊松回归模型中特征提供方的数量，提高模型预测能力。
回归模型训练方法装置电子设备存储介质

[发明专利]一种模型的联合训练方法、设备、存储介质及程序产品-CN202110230932.5在审
发明人：吴玙;谭明超;范涛;马国强;魏文斌;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-03-02 - 公布日： 2021-05-18 - 主分类号： G06F21/60 文献下载
摘要：本申请提供了一种模型的联合训练方法、装置、设备、计算机可读存储介质及程序产品，应用于纵向联邦学习的被动方，被动方和纵向联邦学习的主动方分别利用自身的特征数据进行模型训练，所述方法包括：获取主动方发送的第二密文训练结果；获取第一密文训练结果和已训练轮数；基于第一密文训练结果和第二密文训练结果确定第一加密梯度；当已训练轮数满足同步条件时，将第一加密梯度发送至协调方，以使协调方基于第一加密梯度确定第一解密梯度；接收协调方发送的第一解密梯度，并基于第一解密梯度对自身的训练模型进行更新，得到更新后的训练模型。通过改进纵向联邦学习中模型训练时数据的交互流程，能够缩短模型的训练耗时，提高模型的训练效率。
一种模型联合训练方法设备存储介质程序产品

[发明专利]基于联邦学习的样本采样方法、设备及可读存储介质-CN202010123967.4有效
发明人：马国强;范涛;郑会钿;魏文斌;谭明超;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-02-28 - 公布日： 2021-05-18 - 主分类号： G06Q40/02 文献下载
摘要：本申请公开了一种基于联邦学习的样本采样方法、设备及可读存储介质，所述基于联邦学习的样本采样方法包括：与所述第一设备相关联的第二设备进行样本对齐，获得第一样本数据，基于预设采样比例和预设采样方式，获取所述第一样本数据对应的采样比例数，基于所述采样比例数，对所述联邦学习的中间参数进行采样比例数处理，以通过对所述中间参数进行基于样本标签的采样处理，构建目标算法模型。本申请解决了算法模型构建效率低的技术问题。
基于联邦学习样本采样方法设备可读存储介质

[发明专利]纵向联邦学习系统优化方法、装置、设备及可读存储介质-CN201911400479.7有效
发明人：马国强;范涛;魏文斌;谭明超;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2019-12-30 - 公布日： 2021-03-19 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种纵向联邦学习系统优化方法、装置、设备及可读存储介质，所述方法包括：将第一设备中的第一训练数据输入第一底层模型得到第一底层输出；与第二设备进行交互，获得交互层模型的交互层输出，其中，交互层模型用于拼接第一底层输出和第二底层输出，第二设备将第二训练数据输入第二底层模型得到第二底层输出；将交互层输出输入上层模型，采用上层模型输出和标签数据计算最终误差，并后向传播最终误差以更新DNN中各层模型的模型参数，循环迭代直到满足预设停止条件时得到训练完成的目标DNN。本发明实现了使用纵向联邦学习双方的特征数据进行DNN训练。
纵向联邦学习系统优化方法装置设备可读存储介质

[发明专利]横向联邦建模样本数据的去重方法、装置、设备及介质-CN202011095634.1在审
发明人：吴玙;范涛;马国强;谭明超;魏文斌;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-10-14 - 公布日： 2021-01-15 - 主分类号： G06F16/215 文献下载
摘要：本发明公开了一种横向联邦建模样本数据的去重方法、装置、终端设备及存储介质，通过横向联邦的其中一个参与方，接收横向联邦中的其他参与方发送的加密数据，其中，其他参与方各自的加密数据由其他参与方针对各自的第一待选样本数据进行加密得到；根据本端的第二待选样本数据和加密数据，确定第一待选样本数据和第二待选样本数据中的重叠样本数据；联合其他参与方针对重叠样本数据进行去重，以根据去重后的第一待选样本数据和第二待选样本数据构建建模样本数据集。本发明在防止参与方自有数据的泄露，保证数据隐私安全的前提下，规避了直接基于参与方自有数据构建样本建模时，导致模型训练结果向重叠的部分样本倾斜的偏向性问题。
横向联邦建模样本数据方法装置设备介质

[发明专利]一种在嵌入式设备上加速深度卷积网络计算速度的方法-CN201710528733.6有效
发明人：林倞;王可泽;郑会钿 -专利权人：广州深域信息科技有限公司
申请日： 2017-07-01 - 公布日： 2021-01-15 - 主分类号： G06F7/483 文献下载
摘要：本发明提供了一种在嵌入式设备上加速深度卷积网络计算速度的方法，包括：根据嵌入式设备的CPU和GPU的浮点运算速度，分辨出高性能浮点运算设备和低性能浮点运算设备；在进行深度卷积网络计算时，高性能浮点运算设备逐帧获取图像数据进行处理；CPU创建一监控线程，用于持续监控低性能浮点运算设备的负载状态；当监控线程发现低性能浮点运算设备处于低负载或空载状态时，向高性能浮点运算设备发送信号，使高性能浮点运算设备强制结束当前帧图像数据的深度卷积网络计算任务，并开始进行下一帧图像数据的深度卷积网络计算任务；同时，将当前帧图像数据的剩余计算任务交由低性能浮点运算设备继续处理。本发明能够更好地发挥嵌入式设备的计算能力，减少深度卷积网络的计算时间。
一种嵌入式设备加速深度卷积网络计算速度方法

[发明专利]基于逐步回归法的联邦建模方法、设备和可读存储介质-CN202010241599.3在审
发明人：吴玙;范涛;马国强;魏文斌;谭明超;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-03-30 - 公布日： 2020-07-24 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种基于逐步回归法的联邦建模方法、设备和可读存储介质，所述基于逐步回归法的联邦建模方法包括：获取待训练模型，并接收第三设备发送的待剔除标签特征数据集合和待加入标签特征数据集合，基于待剔除标签特征数据集合和待加入标签特征数据集合，通过第二设备进行纵向联邦建模，对待训练模型进行执行预设循环训练流程，以在待训练模型中剔除符合预设剔除贡献度标准的各目标剔除特征，或者向待训练模型中加入符合预设加入贡献度标准的各目标加入特征，以对待训练模型进行循环更新，直至循环更新后的待训练模型满足预设循环结束条件，获得目标建模模型。本申请解决了纵向联邦建模效率低且效果差的技术问题。
基于逐步回归联邦建模方法设备可读存储介质

[外观设计]计算机的模型评估输出结果图形用户界面-CN201930585052.3有效
发明人：林冰垠;郑会钿;邓凯 -专利权人：深圳前海微众银行股份有限公司
申请日： 2019-10-25 - 公布日： 2020-07-24 - 主分类号： 14-02 文献下载
摘要：1.本外观设计产品的名称：计算机的模型评估输出结果图形用户界面。2.本外观设计产品的用途：用于显示及运行程序。3.本外观设计产品的设计要点：在于计算机屏幕中图形用户界面的内容。4.最能表明设计要点的图片或照片：主视图。5.计算机为现有设计，其他视图与设计要点无关，省略其他视图。6.图形用户界面的用途：界面用于展示联邦学习模型评估的输出结果，通过展现多个曲线图帮助用户直观地在一个图中对比不同模型的评估结果，从而辅助用户进行模型决策；主视图界面为初始界面，可点击界面右上角“train、validate、test”的切换按钮查看不同数据集下的评估指标曲线；主视界面放大图为主视图中的界面的放大视图；界面使用状态参考图为主视图界面在实际显示时的参考视图。
计算机模型评估输出结果图形用户界面

[发明专利]基于向后法的联邦建模方法、设备和可读存储介质-CN202010241596.X在审
发明人：吴玙;范涛;马国强;魏文斌;谭明超;郑会钿;陈天健;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-03-30 - 公布日： 2020-07-17 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种基于向后法的联邦建模方法、设备和可读存储介质，所述基于向后法的联邦建模方法包括：获取待训练完全模型，并接收与所述第一设备协调关联的第三设备反馈的标签方特征数据集合，以确定所述标签方特征数据集合对应的各待剔除标签特征，进而基于各所述待剔除标签特征，通过与所述第一设备联邦关联的第二设备进行纵向联邦建模，对各所述待训练完全模型执行预设循环训练流程，以在各所述待剔除标签特征中选取符合预设贡献度标准的各循环目标特征，并在所述待训练完全模型中剔除各所述循环目标特征，获得目标建模模型。本申请解决了纵向联邦建模效率低且效果差的技术问题。
基于向后联邦建模方法设备可读存储介质

1
2
下一页»
尾页
共 25 条