“分布式学习”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果5003318个，建议您升级VIP下载更多相关专利

[发明专利]一种安全高效的非交互式联邦学习框架及构建方法、学习方法-CN202211149942.7在审
发明人：何道敬;熊世强;杜润萌;刘川意;韩培义 -专利权人：哈尔滨工业大学（深圳）;上海境山科技有限公司
申请日： 2022-09-21 - 公布日： 2022-12-27 - 主分类号： G06F30/20 文献下载
摘要：一种安全高效的非交互式联邦学习框架及构建方法、学习方法，涉及联邦学习建模技术领域。解决了现有技术中通信开销大以及存在模型攻击风险导致隐私泄露的问题。学习框架中多个非交互式分布式节点共同指定一个服务器作为训练者；多个训练者和交互式分布式计算节点指定一个服务器做为中心聚合器，每个训练者与至少一个非交互式节点相关联。构建方法为，交互式分布式计算节点和多个训练者首先从选定的中心聚合器下载全局模型，每个交互式分布式计算节点和每个训练者训练好子模型后作为本地模型再上传到中心聚合器；中心聚合器接收本地模型后对全局模型进行更新并将结果返回至交互式分布式计算节点和多个训练者
一种安全高效交互式联邦学习框架构建方法学习方法

[发明专利]无人集群智能模型训练方法、装置和电子设备-CN202211087378.0有效
发明人：姚海鹏;许佳琪;吴巍;张尼;买天乐;袁菀迈;刘全占;忻向军;张茹 -专利权人：北京邮电大学
申请日： 2022-09-07 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种无人集群智能模型训练方法、装置和电子设备，涉及通信的技术领域，该方法将无人集群的训练划分为簇内集中式联邦学习和簇间分布式联邦学习两个阶段，簇内集中式学习时，簇头作为模型所有者来和簇内节点进行参数传递，并进行模型聚合，从而缓解了传统的集中式联邦学习方式存在的通信拥塞和计算瓶颈的技术问题；并且，簇间分布式学习时，由于只有邻居簇头间进行参数传输和模型聚合，所以与传统分布式联邦学习相比，本发明还能有效地减少通信能耗
无人集群智能模型训练方法装置电子设备

[发明专利]一种基于分布式深度学习的机械故障诊断方法-CN202111391186.4有效
发明人：董亚波;韩兴佳;初宁 -专利权人：浙江大学
申请日： 2021-11-23 - 公布日： 2022-08-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于分布式深度学习的机械故障诊断方法，包括：获取初始历史机械设备数据集，对初始历史机械设备数据集进行归一化和划分处理得到历史机械设备数据集，分为训练样本集；构建分布式深度学习训练系统，每个特征提取器用于对所述的机械设备数据进行多次特征提取得到关键特征数据，分类器用于利用多通道信息融合模块将多个关键特征数据进行融合得到机械故障类别的概率分布以判断机械故障；利用训练样本集，采用交叉熵损失函数对分布式深度学习训练系统进行训练，训练结束时，提取确定参数的多个特征提取器和分类器作为分布式深度学习模型
一种基于分布式深度学习机械故障诊断方法

[发明专利]一种基于深度学习的分布式光伏出力估算方法及系统-CN202011586461.3在审
发明人：李登宣;董存;崔方;丁煌;梁志峰;柴旭峥;秦放;陈卫东 -专利权人：中国电力科学研究院有限公司;国家电网有限公司;国网河南省电力公司;国网河南省电力公司电力科学研究院
申请日： 2020-12-29 - 公布日： 2022-07-01 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供了一种基于深度学习的分布式光伏出力估算方法及系统，包括：获取区域内总装机容量、气象数据以及部分分布式光伏站点的发电效率；将所述区域内总装机容量、气象数据以及部分分布式光伏站点的发电效率输入到预先训练好的分布式光伏出力估算模型，得到区域总发电功率；其中，所述分布式光伏出力估算模型，基于所述部分分布式光伏站点历史的发电效率、区域总装机容量和气象数据以及历史区域总发电功率利用深度学习算法结合BP算法和梯度下降法进行训练，得到所述部分分布式光伏站点发电效率与所述区域总发电功率的关系本发明提高了分布式光伏出力数据的计算精度，进而提升对新能源动态响应特性及对主网运行特性分析的效率。
一种基于深度学习分布式出力估算方法系统

[发明专利]基于滑动窗口采样的分布式机器学习训练方法及其系统-CN201710009638.5在审
发明人：田乔;许春玲;李明齐 -专利权人：中国科学院上海高等研究院
申请日： 2017-01-06 - 公布日： 2017-05-31 - 主分类号： G06N99/00 文献下载
摘要：本发明提供一种基于滑动窗口采样的分布式机器学习训练方法及其系统，所述方法包括机器学习模型参数初始化；获取所有数据的一个数据分片，独立进行模型训练；收集历史的若干轮梯度过期程度样本，通过滑动采样样本，并计算梯度过期程度上下文值，调整学习率后发起梯度更新请求；异步收集多个梯度过期程度样本，利用调整后的学习率更新全局模型参数并推送更新的参数；异步获取推送的全局参数更新，继续下一次训练；检验模型收敛性，若不收敛，进行模型训练循环；本发明使用过期梯度上下文来控制学习器的学习率，提高了分布式训练的稳定性与收敛效果，减小了分布式系统带来的训练波动，提高了分布式训练的鲁棒性。
基于滑动窗口采样分布式机器学习训练方法及其系统

[发明专利]基于联邦学习的分布式室内定位方法、设备及其存储介质-CN202310703786.2在审
发明人：刘颖之;魏凤生;秦爽;李晓倩;冯钢 -专利权人：电子科技大学
申请日： 2023-06-14 - 公布日： 2023-10-10 - 主分类号： G06N3/098 文献下载
摘要：本发明涉及室内定位的技术领域，具体涉及是一种基于联邦学习的分布式室内定位方法、设备及其存储介质，包括构建室内定位场景，测量样本基于在一个时隙内接收的DL PRS生成训练数据集；基于训练数据集，通过Resnet模型进行AI/ML深度学习；基于联邦学习的策略通过深度学习后的AI/ML预测室内定位场景中UE位置，采用分布式多点协同定位，针对数据集进行分布式训练，能够为用户提供个性化深度神经网络模型从而提高算法整体性能；采用联邦平均算法加元学习的策略，使用个性化的联邦学习，目标是找到一个初始共享模型，当前或新用户可以通过执行一个或几个步骤的梯度下降适应初始共享模型，从而对分布式的用户提供更个性化的模型。
基于联邦学习分布式室内定位方法设备及其存储介质

[发明专利]基于多GPU的分布式深度学习方法、装置及电子设备-CN202210542618.5有效
发明人：赵英利;曹州;梁建中;敖玉龙;吴志华;于佃海 -专利权人：北京百度网讯科技有限公司
申请日： 2022-05-18 - 公布日： 2023-03-24 - 主分类号： G06T1/20 文献下载
摘要：本公开提供了一种基于多图形处理器GPU的分布式深度学习方法、装置及电子设备，涉及人工智能领域，尤其涉及深度学习及云计算技术领域。具体实现方案为：确定当前阶段满足参数自动转换条件，则获取上一阶段的第一切片参数；对第一切片参数进行拼接，以得到完整模型参数；获取当前阶段对应的分布式属性信息，并对完整模型参数进行切分以得到第二切片参数；将第二切片参数分配至各自对应的GPU，以使GPU进行深度学习模型的深度学习。由此，本公开能够根据切片参数及其分布式属性，自动对模型参数进行转换，以保证模型的可持续性以及正确的推理，进而通过提高参数合并过程中的效率和准确率，确保分布式深度学习模型的深度学习效果。
基于 gpu 分布式深度学习方法装置电子设备

[发明专利]基于NDN的PS架构分布式机器学习训练系统数据传输方法-CN202011580994.0有效
发明人：胡晗;欧阳巧琳;刁文澜;安建平 -专利权人：北京理工大学
申请日： 2020-12-28 - 公布日： 2021-10-01 - 主分类号： H04L12/741 文献下载
摘要：本发明涉及一种基于NDN的PS架构分布式机器学习训练系统数据传输方法，属于分布式机器学习技术领域。本发明方法，将NDN中基于PIT的请求聚合机制、基于CS的网内缓存机制以及“一对多”的内容分发机制应用于分布式机器学习训练系统中，能够改变现有的PS与多个CPU之间“一对一”的数据交互的模式，减少PS发送更新参数的次数，从而减少数据的冗余传输、减轻PS周边链路负载、降低链路带宽占用、缩短机器学习的训练计算时延。
基于 ndn ps 架构分布式机器学习训练系统数据传输方法

[发明专利]一种基于强化学习的分布式存储系统自动调参方法及系统-CN202310059553.3在审
发明人：刘渝;夷州;周可;李强;张海军;孙斌 -专利权人：华中科技大学
申请日： 2023-01-18 - 公布日： 2023-05-09 - 主分类号： G06F3/06 文献下载
摘要：本发明公开了一种基于强化学习的分布式存储系统自动调参方法及系统，属于分布式存储技术领域；首先通过对第一样本池中的分布式存储系统性能指标进行统计，从而从第一样本池中筛选出对分布式存储系统性能影响较大的多个系统参数，作为分布式存储系统的一组调优参数，以降低优化问题的复杂度，保证了后续基于强化学习的进行调参的可行性；然后，在参数筛选的基础之上，利用强化学习的DDPG模型进行进一步的调优工作，并且在这个过程中，考虑到DDPG模型的前期冷启动耗时问题，采用遗传算法进行前期的样本收集工作，将收集得到的样本输入给DDPG模型进行预训练，从而避免前期冷启动大量耗时的问题，从而能够合理有效地对分布式存储系统参数进行准确调优。
一种基于强化学习分布式存储系统自动方法系统

[发明专利]一种分布式光伏发电功率预测方法、系统、设备及介质-CN202310913388.3在审
发明人：代志强;许禹诺;李炳辉;胡伟;汪海涛;张鑫;郭秋婷;郭大勇;林凯 -专利权人：国网北京市电力公司;国家电网有限公司;清华大学
申请日： 2023-07-24 - 公布日： 2023-10-24 - 主分类号： H02J3/00 文献下载
摘要：本发明属于发电功率预测技术领域，具体公开一种分布式光伏发电功率预测方法、系统、设备及介质，采集分布式光伏运行相关数据，进行标准化处理；在LSTM网络中引入Attention机制，将解码器一个LSTM单元提取的信息与其他LSTM单元相连，使不同时段间的隐含信息都可以用权值精确地表示出来，更好对分布式光伏进行预测；建立分布式光伏发电功率预测模型；采用元学习框架对预测模型的初始参数进行优化，获得优化后的分布式光伏发电功率预测模型，将原始数据集输入到优化后的分布式光伏发电功率预测模型，输出分布式光伏发电功率预测值；采用元学习框架对模型参数进行分层优化，能够快速获得最优初始参数，有效减少模型迭代次数，提高模型运行性能和模型运行速度
一种分布式发电功率预测方法系统设备介质

[发明专利]一种面向5G时代的人工智能云平台-CN201910426197.8有效
发明人：方文和 -专利权人：江苏艾蒂娜互联网科技有限公司
申请日： 2019-05-21 - 公布日： 2023-05-26 - 主分类号： H04L41/042 文献下载
摘要：本发明公开了一种面向5G时代的人工智能云平台，具体涉及人工智能、云计算、大数据领域，包括异构分布式云平台，所述异构分布式云平台以分布式移动云计算协同架构为基本架构；所述分布式移动云计算协同架构包括智能终端、移动网络、分布式移动云计算服务器、协同控制器和端到端‑终端计算卸载服务质量保证机制系统。本发明建立面向5G的分布式移动云计算协同架构与端到端‑终端计算卸载服务质量保证机制，可以降低终端在计算卸载中的网络交互信令开销，以及终端驻留决策进程的CPU占用率与能耗；保证端到端服务质量，支持深度学习模型与算法的定制扩展的分布式深度学习平台
一种面向时代人工智能平台

[发明专利]一种自适应RDMA网络的分布式机器学习系统及方法-CN201910731812.6在审
发明人：郭昊;张曼妮;张翔宇;孙军欢;赵来松 -专利权人：深圳致星科技有限公司
申请日： 2019-08-08 - 公布日： 2021-02-09 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种的自适应RDMA网络的分布式机器学习系统及方法，在分布式训练任务被调度到训练集群后，通过检测训练集群网络环境以及根据检测自适应地选择训练集群网络用于分布式训练任务通信，尽可能为分布式任务选择其在训练过程中最优的网络环境，以使之分布式训练过程中充分使用高效的RDMA网络进行通信，以克服现有技术部署分布式训练任务存在的通信瓶颈问题，进而提高分布式训练效率。
一种自适应 rdma 网络分布式机器学习系统方法

[发明专利]一种分布式计算图修改的方法和设备-CN202010690038.1有效
发明人：赵涟水;吴韶华 -专利权人：苏州浪潮智能科技有限公司
申请日： 2020-07-17 - 公布日： 2022-05-31 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种分布式计算图修改的方法和设备，该方法包括以下步骤：响应于分布式计算图需要做修改模拟，建立非分布式计算图并模拟得到非分布式计算图的修改策略；获取待修改的多GPU分布式计算图，并判断分层_版本号文件是否存在；响应于分层_版本号文件存在，基于修改策略将多GPU分布式计算图进行修改。通过使用本发明的方案，能够极大减少深度学习大模型分布式训练中计算图修改的耗时，加速了模型开发训练过程。
一种分布式计算修改方法设备

[发明专利]一种无蜂窝大规模MIMO智能分布式波束选择方法-CN202210353306.X在审
发明人：张铖;徐琴珍;张筱进;何梦晴;黄永明;杨绿溪 -专利权人：东南大学
申请日： 2022-04-06 - 公布日： 2022-07-12 - 主分类号： H04B7/0413 文献下载
摘要：本发明公开了一种无蜂窝大规模MIMO智能分布式波束选择方法。各基站训练本地无监督网络，基于完整信道状态信息的低开销表征，如同步信号块波束的接收信号强度指示，进行波束空间的压缩，提高波束选择的效率；将各基站划分为多个包含少量共有基站的局部协作集，并利用博弈等分布式算法，实现低开销联合波束选择；结果进一步返回各基站，利用有监督学习实现基于本地低开销信道表征的自主波束选择。本发明利用无监督学习压缩波束空间，而非直接映射波束选择，可显著降低学习难度。同时，引入局部协作集并利用分布式算法执行有效的联合波束选择，可为无监督学习提供有效的训练损失函数，同时提供显式标签帮助系统实现分布式联合波束选择。
一种蜂窝大规模 mimo 智能分布式波束选择方法

[发明专利]一种大数据联邦学习处理方法及系统-CN202111462397.2在审
发明人：王济平;黎刚;汤克云;周健雄;刘继华;徐炽明 -专利权人：京信数据科技有限公司
申请日： 2021-12-02 - 公布日： 2022-04-12 - 主分类号： G06F16/182 文献下载
摘要：本发明涉及一种大数据联邦学习处理方法及系统。方法包括以下步骤：发起方和协同方分别将数据上传各自本地内部集群中并进行HDFS分布式存储；发起方建立学习项目并根据学习项目发起计算任务后进行初始化以形成任务链；在发起方与协同方之间建立起用于传递中间因子的消息通道；计算任务启动计算，发起方和协同方各自的Spark计算集群按需读取本地分布存储的数据进行计算。本发明利用HDFS分布式文件存储的特性，可以提供高效的数据读写能力；还利用Spark集群分布式计算的特性，极大提升了联邦学习任务的推理效率，为联邦学习提供高性能且高可用的执行环境，联邦学习整体效率得到提升
一种数据联邦学习处理方法系统