“黄安埠”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39个，建议您升级VIP下载更多相关专利

[发明专利]联邦模型退化处理方法、装置、联邦训练系统及存储介质-CN201910563383.6有效
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2019-06-26 - 公布日： 2023-07-25 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种联邦模型退化处理方法，包括：获取所述联邦训练系统的协作端聚合后得到的第一全局模型；通过预设测试数据对所述第一全局模型进行测试，得到所述第一全局模型的模型测试结果；根据所述模型测试结果检测所述第一全局模型是否出现退化，若检测到所述第一全局模型出现退化，则获取第二轮联邦迭代训练的第二全局模型；将所述第二全局模型发送至第二轮联邦迭代训练的目标客户端，以供所述目标客户端根据所述第二全局模型进行第二轮的联邦迭代训练。本发明还公开了一种联邦模型退化处理装置、联邦训练系统以及存储介质。本发明解决了联邦模型出现退化的技术问题。
联邦模型退化处理方法装置训练系统存储介质

[发明专利]基于联邦学习的预测方法、装置、设备及存储介质-CN202010163973.2有效
发明人： 黄安埠;刘洋;殷磊 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-03-10 - 公布日： 2023-06-23 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于联邦学习的预测方法、装置、设备及存储介质，该方法包括：根据加密训练数据和本地特征训练数据对初始联邦预测模型进行训练，获得联邦预测模型；接收第二遥感设备传输的加密特征数据，所述加密特征数据由所述第二遥感设备对初始特征数据加密后获得；将所述加密特征数据和本地特征数据输入所述联邦预测模型，由所述联邦预测模型输出预测标签。由此，第一遥感设备和第二遥感设备通过联邦学习进行联合建模，实现了利用各遥感设备之间的数据进行高空联合建模，提升了利用高空数据建模的模型性能。
基于联邦学习预测方法装置设备存储介质

[发明专利]横向联邦学习的数据传输方法、装置、终端设备及介质-CN202010156092.8有效
发明人： 黄安埠;刘洋;陈天健 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-03-06 - 公布日： 2023-03-28 - 主分类号： H04L69/04 文献下载
摘要：本发明公开了一种横向联邦学习的数据传输方法、装置、终端设备及计算机可读存储介质，通过接收横向联邦学习中各客户端上传的残差池化模型，其中，各所述客户端根据从所述服务端处接收到的聚合结果，和初始待训练模型确定横向联邦学习中的待训练模型，利用本地训练数据对所述待训练模型进行本地的模型训练并计算残差，对所述残差进行池化压缩得到所述残差池化模型；对接收到的所述残差池化模型进行预设聚合运算得到聚合结果；将所述聚合结果下发至各所述客户端，以供各所述客户端根据所述聚合结果进行新一轮的模型训练。本发明减少了客户端与服务端之间的数据传输量，避免了通过裁剪模型进行中间传输带来的实现过程繁复和损失模型精度的问题。
横向联邦学习数据传输方法装置终端设备介质

[发明专利]迁移路径生成方法、装置及存储介质-CN201811400866.6有效
发明人： 黄安埠 -专利权人：腾讯音乐娱乐科技（深圳）有限公司
申请日： 2018-11-22 - 公布日： 2023-01-13 - 主分类号： G06F16/635 文献下载
摘要：本发明实施例公开了一种迁移路径生成方法、装置及存储介质，属于计算机技术领域。该方法包括：将在指定维度上的信息相同的对象划分为同一类别，得到多个类别，每个类别中包括至少一个对象；分别对每个类别的对象的详情信息进行特征提取，得到多个类别的特征向量，进而确定每个类别在多个类别中的相似类别；根据多个类别以及每个类别的相似类别，创建相关性网络；根据相关性网络，确定从起点类别到达终点类别所经过的迁移路径，起点类别和终点类别为多个类别中的任两个类别。为后续的功能扩展提供了信息基础，无需人工设置标签，避免了浪费人工资源，降低了人力成本，且避免了由于设置的标签主观性较强导致准确度较低的问题，提高了准确度。
迁移路径生成方法装置存储介质

[发明专利]基于联邦学习的数据交互方法、装置、设备及存储介质-CN202210698600.4在审
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2022-06-20 - 公布日： 2022-09-02 - 主分类号： G06F21/60 文献下载
摘要：本申请提供了一种基于联邦学习的数据交互方法、装置、设备、存储介质及程序产品，所述方法包括：服务端设备接收客户端设备发送的携带有主任务数据交互请求；根据加密特征生成伪任务，加密特征是由参与联邦学习的至少一个客户端设备持有的本地特征进行加密处理得到的；基于主任务和伪任务构建并训练初始模型，得到全局模型；将全局模型发送至发送请求的目标客户端设备，以使目标客户端设备从全局模型中去除伪任务对应的伪任务子模型，得到主任务子模型。通过加入伪任务，改变训练模型结构，能够实现提高模型的安全性，防止模型被反向攻击导致私有数据泄露，从而提高客户端私有数据的保密性。
基于联邦学习数据交互方法装置设备存储介质

[发明专利]机器学习模型的训练方法、装置、设备及存储介质-CN202111443214.2在审
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-11-30 - 公布日： 2022-02-25 - 主分类号： G06N20/00 文献下载
摘要：本申请提供了一种机器学习模型的训练方法、装置、设备、计算机可读存储介质和计算机程序产品；方法包括：接收多个训练端设备分别发送的训练后的机器学习模型；其中，所述训练端设备是在所述服务端设备发送的机器学习模型的基础上训练的；确定每个所述训练后的机器学习模型的测试结果，根据所述测试结果从多个所述训练后的机器学习模型中确定满足近似条件的至少两个训练后的机器学习模型；对所述至少两个训练后的机器学习模型进行融合处理，得到融合后机器学习模型。通过本申请，能够有效提高机器学习模型的训练效率。
机器学习模型训练方法装置设备存储介质

[发明专利]机器学习模型的训练方法、装置、电子设备及存储介质-CN202111360276.7在审
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-11-17 - 公布日： 2022-02-08 - 主分类号： G06F30/27 文献下载
摘要：本申请提供了一种机器学习模型的训练方法、装置；方法包括：基于共享样本集以及训练方设备的私有样本集，对训练方设备的机器学习模型进行训练，得到训练后的机器学习模型；基于共享样本集，调用训练后的机器学习模型进行预测处理，得到预测值集合；向服务方设备发送预测值集合，预测值集合用于供服务方设备结合其他训练方设备发送的预测值集合进行融合处理，得到融合值集合；接收服务方设备发送的融合值集合，并根据融合值集合更新共享样本集；更新后的共享样本集与私有样本集，用于供训练方设备对机器学习模型进行下一轮的训练。通过本申请，能够充分利用多方样本数据减少模型训练耗时，提升模型训练效率。
机器学习模型训练方法装置电子设备存储介质

[发明专利]联邦学习系统的控制方法、装置、终端设备及存储介质-CN201910800297.2有效
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2019-08-26 - 公布日： 2022-01-07 - 主分类号： H04L41/0654 文献下载
摘要：本发明公开了一种联邦学习系统的控制方法、装置、终端设备及存储介质，应用于联邦学习系统，所述联邦学习系统包括：主中心节点服务端、子中心节点服务端以及客户端，所述子中心节点服务端和客户端所述为多个，该联邦学习系统的控制方法包括：获取所述主中心节点服务端、各所述子中心节点服务端以及各所述客户端的地理位置信息；基于所述地理位置信息，控制各所述客户端与各所述子中心节点服务端建立连接，或者，控制各所述客户端直接与所述主中心节点服务端建立连接。本发明避免了在分层的联邦学习中，若任意节点发生故障，则系统无法利用故障节点连接的各参与者所拥有的数据进行联邦学习模型训练的技术问题，保证了联邦学习系统的性能。
联邦学习系统控制方法装置终端设备存储介质

[发明专利]一种信息处理方法及服务器-CN201610633431.0有效
发明人： 黄安埠 -专利权人：腾讯科技（深圳）有限公司
申请日： 2016-08-04 - 公布日： 2021-11-09 - 主分类号： G06F16/9035 文献下载
摘要：本发明实施例公开了一种信息处理方法及服务器，该方法包括：获取第一用户在终端上执行操作所得到的第一历史行为数据；根据第一历史行为数据进行特征构造，生成第一特征矩阵，该第一特征矩阵用于表征第一用户与第一信息之间的对应关系；根据第一预设规则将第一特征矩阵压缩，生成第二签名矩阵，该第二签名矩阵用于表征第二历史行为数据对应的最小哈希值，该第二历史行为数据为第一历史行为数据经压缩后得到的；根据第二预设规则对第二签名矩阵进行关联度处理，生成第一模型，该第一模型用于表征第二历史行为数据间的关联度；获取第二用户的当前行为数据，将该当前行为数据输入第一模型，得到与第一用户相关联的关联数据。
一种信息处理方法服务器

[发明专利]一种模型压缩方法及装置-CN201910344539.1有效
发明人： 黄安埠;刘洋;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： 2019-04-26 - 公布日： 2021-09-17 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种模型压缩方法及装置，其中方法包括：终端获取服务器发送的第k个训练周期的全局参数；所述终端根据所述第k个训练周期的全局参数更新所述终端的本地模型；所述终端使用所述终端的训练数据集对更新后的本地模型进行训练，获得训练后的所述本地模型的第k+1个训练周期的第二局部参数；针对所述终端的本地模型的至少一个卷积层的卷积核，所述终端根据所述卷积核的第k+1个训练周期的第二局部参数确定所述卷积核在所述卷积层的贡献度；所述终端将贡献度满足设定条件的卷积核的第二局部参数作为所述终端的第k+1个训练周期的第一局部参数上报至所述服务器。
一种模型压缩方法装置

[发明专利]数据查询方法、装置、设备、存储介质及程序产品-CN202110507063.6在审
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-05-10 - 公布日： 2021-08-10 - 主分类号： G06F21/62 文献下载
摘要：本申请提供了一种数据查询方法、装置、设备、存储介质及程序产品，所述方法包括：协调方生成用于加密的公钥和用于解密的私钥；根据至少两个待查询特征确定至少两个目标参与方，并确定对应于各目标参与方的查询请求，各目标参与方存储有部分待查询特征的特征数据；将公钥和对应于各目标参与方的查询请求发送至对应的目标参与方；接收各目标参与方发送的密文查询结果，密文查询结果由各目标参与方基于公钥和各自接收到的查询请求确定；根据私钥和各目标参与方发送的密文查询结果，确定目标数据。在确保数据不出各参与方本地的前提下，实现了数据的跨表查询，不仅能够保护数据隐私、防止数据泄露，而且不会影响查询到的目标数据的可用性。
数据查询方法装置设备存储介质程序产品

[发明专利]联邦学习建模优化方法、设备、介质及计算机程序产品-CN202110443709.9在审
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-04-23 - 公布日： 2021-07-09 - 主分类号： G06N20/20 文献下载
摘要：本申请公开了一种联邦学习建模优化方法、设备、介质及计算机程序产品，所述联邦学习建模优化方法应用于协调方设备，所述联邦学习建模优化方法包括：接收各参与方设备迭代训练本地预测模型生成的本地模型参数；基于对各所述参与方设备发送的训练特征表征进行聚类生成的各特征表征聚类簇，对各所述本地模型参数进行分聚类簇聚合，获得各所述特征表征聚类簇对应的聚合模型参数；将各所述聚合模型参数分别反馈至对应的参与方设备，以供所述参与方设备依据所述聚合模型参数，优化所述本地预测模型，获得联邦预测模型。本申请解决了联邦学习时计算效率低的技术问题。
联邦学习建模优化方法设备介质计算机程序产品

[发明专利]基于联邦学习的数据处理方法、装置、设备及存储介质-CN201911158849.0有效
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2019-11-22 - 公布日： 2021-07-06 - 主分类号： G06N20/00 文献下载
摘要：本申请提供一种基于联邦学习的数据处理方法、装置、设备及存储介质，涉及机器学习技术领域，用以解决训练联邦模型时的系统性能较差的问题；该方法包括：至少一个客户端通过本地样本生成器学习本地数据的数据特性，获得训练样本生成器并发送给服务器；服务器将至少一个客户端发送的训练样本生成器进行联邦聚合，得到联邦样本生成器并发送给至少一个客户端；至少一个客户端通过联邦样本生成器生成与其他客户端本地数据的数据特征一致的第一虚拟数据，将自身的本地数据和第一虚拟数据确定为目标数据。该方法中降低训练联邦模型的数据计算量，降低训练联邦模型所消耗的系统资源，提升训练联邦模型时的系统性能以及提升联邦模型的训练效率。
基于联邦学习数据处理方法装置设备存储介质

[发明专利]区域变迁状况预测方法、设备、介质及计算机程序产品-CN202110160804.8在审
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-02-05 - 公布日： 2021-06-04 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种区域变迁状况预测方法、设备、介质及计算机程序产品，所述区域变迁状况预测方法包括：获取目标区域的卫星图像，并基于联邦学习构建的区域变迁状况预测模型和所述卫星图像对应的区域变迁状况图像特征信息，对所述目标区域进行区域变迁状况类别预测，获得区域变迁状况类别预测结果；基于所述区域变迁状况类别预测结果，生成所述目标区域对应的区域变迁状况预测结果。本申请解决了城市变迁状况预测准确度低的技术问题。
区域变迁状况预测方法设备介质计算机程序产品

[发明专利]一种联邦学习模型的训练方法及装置-CN201910579324.8有效
发明人： 黄安埠 -专利权人：深圳前海微众银行股份有限公司
申请日： 2019-06-28 - 公布日： 2021-06-04 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及人工智能领域，公开了一种联邦学习模型的训练方法及装置，其中方法包括：服务器在下发第k+1个训练周期的全局参数之前，根据参与联邦学习模型的终端的连接状态，确定第一终端和第二终端；第一终端为无法连接的终端；第二终端为连接正常的终端；服务器确定第一终端中贡献度满足设定条件的M个网络层的第二局部参数；服务器根据第k个训练周期的第一终端的M个网络层的第二局部参数和第二终端上传的N个网络层的第一局部参数，确定第k+1个训练周期下发至第二终端的N个网络层的全局参数，用以降低由于终端掉线导致对模型的训练效果的影响的问题。
一种联邦学习模型训练方法装置

1
2
3
下一页»
尾页
共 39 条