“全局模型”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810085个，建议您升级VIP下载更多相关专利

[发明专利]一种基于区块链的异步联邦学习方法、装置及电子设备-CN202110132965.6有效
发明人：丰雷;李文璟;邱雪松;郭少勇;周凡钦;赵一齐;甄泽睿 -专利权人：北京邮电大学
申请日： 2021-01-29 - 公布日： 2022-12-27 - 主分类号： G06N20/20 文献下载
摘要：本发明提供一种基于区块链的异步联邦学习方法、装置及电子设备，方法包括：接收并存储至少部分区块链节点中的任一目标区块链节点上传的本地模型；接收与至少部分区块链节点中任一区块链节点关联的设备上传的多个第二全局模型，第二全局模型为与区块链节点关联的设备根据第一全局模型以及本地模型进行全局融合得到；按照目标条件，选取目标全局模型，并将目标全局模型作为新的第一全局模型存储至区块链中；重复接收并存储至少部分区块链节点中的任一目标区块链节点上传的本地模型至按照目标条件，在多个第二全局模型中选取目标全局模型，并将目标全局模型作为新的第一全局模型存储至区块链中的步骤，直至目标全局模型的准确度满足目标准确条件。
一种基于区块异步联邦学习方法装置电子设备

[发明专利]基于异步联邦学习的模型训练控制方法、装置及系统-CN202211025788.2有效
发明人：刘吉;田浩;周瑞璞;窦德景 -专利权人：北京百度网讯科技有限公司
申请日： 2022-08-25 - 公布日： 2023-09-01 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种基于异步联邦学习的模型训练控制方法、装置及系统。涉及数据处理技术领域，尤其涉及边缘计算、机器学习等技术领域。具体实现方案为：向多个边缘设备发送第一全局模型的第一参数；接收来自多个边缘设备中第一边缘设备返回的第二全局模型的第二参数，第二全局模型是第一边缘设备根据本地数据集对第一全局模型训练完毕后得到的全局模型；在基于第二全局模型聚合得到第三全局模型的情况下，向多个边缘设备中的第二边缘设备下发第三全局模型的第三参数，第三全局模型是相对于第一全局模型的最新的全局模型，第二边缘设备是对第一全局模型尚未训练完毕的设备根据本公开的方案，能提高模型训练的效率和精度。
基于异步联邦学习模型训练控制方法装置系统

[发明专利]基于联邦学习和区块链的停车预测模型训练方法与系统-CN202110838858.5在审
发明人：宗学森;李鹏 -专利权人：青岛亿联信息科技股份有限公司
申请日： 2021-07-23 - 公布日： 2021-11-02 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种基于联邦学习和区块链的停车预测模型训练方法与系统，上述方法包括：利用处理后的历史停车数据训练本地模型，并将训练后的本地模型的参数通过智能合约上传至区块链中；通过智能合约监听并聚合本地模型的参数，获得全局模型参数并上传至所述区块链中；基于全局模型参数建立全局模型，并判断全局模型是否收敛，若未收敛，则各参与方通过智能合约从区块链中获取全局模型参数继续迭代训练，直到全局模型收敛，收敛后的全局模型的参数为当前时段的全局模型参数；进入下一时段后，将上一时段的全局模型参数作为当前时段本地模型的初始模型参数，进行新一轮本地模型训练。
基于联邦学习区块停车预测模型训练方法系统

[发明专利]联邦学习模型训练方法、装置、计算机设备及存储介质-CN202211574598.6有效
发明人：杜杰;李炜;刘鹏;汪天富 -专利权人：深圳大学
申请日： 2022-12-08 - 公布日： 2023-08-01 - 主分类号： G06N20/00 文献下载
摘要：本发明实施例公开了联邦学习模型训练方法、装置、计算机设备及存储介质。所述方法包括：获取来自服务器端的全局模型梯度和部分全局模型参数，以得到初始参数；利用所述初始参数更新本地模型；随机选取部分样本数据迭代训练所述本地模型，以得到本地模型梯度和部分本地模型参数；发送本地模型梯度和部分本地模型参数至服务器端，以由服务器端更新全局模型，当全局模型未收敛时，发送所述全局模型梯度以及部分全局模型参数，并执行所述获取来自服务器端的全局模型梯度和部分全局模型参数，以得到初始参数。通过实施本发明实施例的方法可实现采用低时间成本获取性能良好的全局模型，缩短联邦学习整体训练时间。
联邦学习模型训练方法装置计算机设备存储介质

[发明专利]基于异步分组联邦学习的数据保护方法、装置及系统-CN202310265804.3有效
发明人：周少鹏;王滨;朱伟康;王旭;毕志城;张峰 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2023-03-13 - 公布日： 2023-06-27 - 主分类号： G06F21/60 文献下载
摘要：本申请提供一种基于异步分组联邦学习的数据保护方法、装置及系统，该方法包括：将初始全局模型参数和初始扰动参数发送给物联网终端，以使物联网终端基于初始全局模型参数获取局部模型参数，基于局部模型参数和初始扰动参数生成扰动模型参数；从多个物联网终端获取多个扰动模型参数，基于多个扰动模型参数和每个扰动模型参数对应的权重系数确定目标全局模型参数；若目标全局模型参数未收敛，获取新的初始扰动参数，将目标全局模型参数确定为初始全局模型参数，将初始全局模型参数和初始扰动参数发送给物联网终端；若目标全局模型参数已收敛，将目标全局模型参数确定为已训练参数。
基于异步分组联邦学习数据保护方法装置系统

[发明专利]一种基于强化学习的联邦系统偏见中毒防御方法、装置-CN202211089354.9在审
发明人：陈晋音;刘嘉威;郑海斌;倪洪杰;赵云波 -专利权人：浙江工业大学
申请日： 2022-09-07 - 公布日： 2023-06-30 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种基于强化学习的联邦系统偏见中毒防御方法、装置，包括：服务器调用全局模型，分发给各个客户端，客户端接收中央服务器下发的全局模型，并利用本地数据基于平等机会偏差指标检测全局模型对敏感属性是否有偏见；若检测全局模型存在偏见，则利用基于强化学习的联邦学习方法进行去偏，得到去偏模型；使用本地数据训练去偏模型，并将训练后的去偏模型上传至中央服务器；若检测全局模型不存在偏见，则使用本地数据训练全局模型，并将训练后的全局模型上传至中央服务器；将训练后的全局模型和训练后去偏模型进行聚合，得到新的全局模型，并将新的全局模型下发到客户端；重复上述步骤，直至基于强化学习的联邦学习结束。
一种基于强化学习联邦系统偏见中毒防御方法装置

[发明专利]一种基于智能边缘设备的分布式AI训练系统及方法-CN202310133501.6在审
发明人：钟胜辉;廖先容;阮丹 -专利权人：中嘉数字科技（浙江）有限公司
申请日： 2023-02-20 - 公布日： 2023-06-23 - 主分类号： H04L67/10 文献下载
摘要：边缘网关确定参与联合训练的多个训练终端，向配置后的各训练终端发送全局模型；每一训练终端当接收到全局模型，使用本地数据集训练全局模型得到模型参数；边缘网关根据各训练终端的模型参数进行全局模型聚合，向各训练终端发送全局模型进行多轮联合训练直到全局模型满足预设的收敛条件，得到联合全局模型；许可区块链根据联合训练集训练联合全局模型得到目标全局模型。通过改进联邦学习架构进行分布式AI训练，可以有效避免“数据孤岛”现象，并且通过许可区块链使用联合训练集对AI模型进行修正，即保证了数据集的隐私安全，又提高AI模型的分类精度。
一种基于智能边缘设备分布式 ai 训练系统方法

[发明专利]一种基于全局模型优化的联邦学习方法、装置和电子设备-CN202210541875.7在审
发明人：沈力;张琳;丁亮;陶大程 -专利权人：京东科技信息技术有限公司
申请日： 2022-05-17 - 公布日： 2022-07-29 - 主分类号： G06F30/27 文献下载
摘要：本公开提供一种基于全局模型优化的联邦学习方法、装置和电子设备，所述方法包括：随机选取至少一个客户端作为目标客户端，并将初始全局参量发送至目标客户端，其中，初始全局参量包括：全局模型参数ω和生成器参数θ，服务器状态c；接收目标客户端发送的局部参量，其中，局部参量为目标客户端根据初始全局参量对局部模型进行训练生成；根据局部参量对全局模型中的全局模型参数ω和服务器状态c进行更新；根据生成器参数θ生成伪数据，根据伪数据和局部参量对全局模型中的全局模型参数ω和生成器参数θ进行更新，并输出更新后的全局模型参数ω，实现对联邦学习中的全局模型进行优化的效果。
一种基于全局模型优化联邦学习方法装置电子设备

[发明专利]模型训练方法和装置、电子设备及机器可读存储介质-CN202010760008.3有效
发明人：阳文斯;叶可江;须成忠 -专利权人：中国科学院深圳先进技术研究院
申请日： 2020-07-31 - 公布日： 2023-09-01 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种模型训练方法，其包括：执行以下循环过程，直至满足循环结束条件：从服务端设备接收当前全局共享模型的全局共享模型参数；根据全局共享模型参数、本地数据及当前全局共享模型得到本地更新模型；将本地更新模型的模型更新综合参数发送给服务端设备；其中，多个客户端设备的模型更新综合参数被服务端设备所使用，以更新当前全局共享模型，并且在未满足所述循环结束条件时，更新后的全局共享模型的全局共享模型参数充当下一循环过程中的当前全局共享模型的全局共享模型参数本发明还公开了一种模型训练装置、电子设备和机器可读存储介质。本发明的模型训练的方式能够提高服务端设备更新得到的模型的准确率。
模型训练方法装置电子设备机器可读存储介质

[发明专利]一种基于模型剪枝和传输压缩优化的联邦学习系统及方法-CN202211173605.1在审
发明人：李骏;孙海洋;韦康;夏鹏程 -专利权人：南京理工大学
申请日： 2022-09-26 - 公布日： 2023-01-03 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种基于模型剪枝和传输压缩联合优化的联邦学习系统及方法，该系统包括服务器端和多个客户端；方法为：首先客户端清洗数据并归一化成结构化的数据；然后服务器端将原始全局模型修剪成为稀疏全局模型，并下发至客户端；客户端用本地数据集计算稀疏全局模型权重，并对稀疏全局模型权重数据进行压缩后上传至服务器端；服务器端使用稀疏全局模型权重数据更新稀疏全局模型，然后再下发至客户端进行本地训练；重复进行稀疏全局模型和稀疏全局模型权重数据更新，直至稀疏全局模型收敛，使用最终数据训练原始全局模型，得到根据每个客户端的数据训练出的最终全局预测模型。本发明降低了客户端训练模型的复杂程度，降低了通信成本。
一种基于模型剪枝传输压缩优化联邦学习系统方法

[发明专利]一种图像识别方法、装置、设备及计算机可读存储介质-CN202110779957.0有效
发明人：陈珉;毛冰城;金朝汇;谌明 -专利权人：浙江大学;浙江核新同花顺网络信息股份有限公司
申请日： 2021-07-09 - 公布日： 2022-09-02 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种图像识别方法、装置、设备及计算机可读存储介质，方法包括：将全局模型框架及全局权重发送至各设备，判断全局模型是否收敛或迭代次数是否达到最大迭代次数，若否，由各设备进行训练得到本地模型权重；利用全局权重及本地模型权重计算平均模型伪梯度，利用平均模型伪梯度计算一阶矩估计；根据一阶矩估计得到当前全局权重，根据当前全局权重得到当前全局模型，将当前全局权重发送至各设备，执行判断步骤；利用当前全局模型对待识别图像进行识别本申请公开的技术方案，计算平均模型伪梯度和一阶矩估计将一阶矩估计参与到全局权重中，以减少数据分布差异带来的影响，提高全局模型的准确性，从而提高图像识别的准确性。
一种图像识别方法装置设备计算机可读存储介质

[发明专利]一种基于联邦学习和迁移学习的医学图像分类方法-CN202310569953.9在审
发明人：刘振丙;吴峰峰;宋明望;魏黄曌 -专利权人：桂林电子科技大学
申请日： 2023-05-19 - 公布日： 2023-08-04 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于联邦学习和迁移学习的医学图像分类方法，在联邦学习中，由于数据异构性，中央服务器分发的全局模型直接替换本地模型会消除本地模型学习到的知识，并在下一轮迭代中降低其优化效果。本发明拟在本地训练阶段引入增强迁移学习的方法，其在本地模型中更新的步骤主要如下：首先，本方法将本地模型视为源域，全局模型视为目标域，目的是为了让全局模型学习到本地模型的局部知识，避免引起全局模型的性能倒退问题；其次，本方法会让全局模型和本地模型进行相互学习，交换全局知识和本地知识；最后，本方法将全局模型视为源域，本地模型视为目标域，使得全局知识能够最大程度地转移到本地模型中。
一种基于联邦学习迁移医学图像分类方法

[发明专利]一种全局工艺角模型的建模方法-CN202111436051.5在审
发明人：顾经纶;陈金明 -专利权人：上海华力微电子有限公司
申请日： 2021-11-29 - 公布日： 2022-03-01 - 主分类号： G06F30/39 文献下载
摘要：本发明公开了一种全局工艺角模型的建模方法，包括如下步骤：步骤S1，根据设计需求进行总工艺角建模，得到多个总工艺角模型参数及其值；步骤S2，设计一种和尺寸相关的全局工艺角模型系数，将该全局工艺角模型系数与每一个总工艺角模型参数值相乘，并将相乘后的参数作为全局工艺角模型参数值；步骤S3，调整全局工艺角模型系数中的参数来拟合全局工艺角模型使得全局工艺角模型符合目标值。
一种全局工艺模型建模方法

[发明专利]一种MOSFET器件之全局工艺角模型的建模方法-CN201711392362.X有效
发明人：吕少力;彭兴伟 -专利权人：上海华力微电子有限公司
申请日： 2017-12-21 - 公布日： 2021-06-04 - 主分类号： G06F30/337 文献下载
摘要：本发明公开一种MOSFET器件之全局工艺角模型的建模方法，所述MOSFET器件之全局工艺角模型的建模方法依据全局工艺角模型的原理，根据参数直接计算获得全局工艺角，取消通过全局工艺角的3sigma计算值去再次调整参数作为全局工艺角模型本发明依据全局工艺角模型的原理，根据参数直接计算获得全局工艺角，并直接与器件的宽度Weff，器件的长度Leff相关联，符合物理意义，且取消通过全局工艺角的3sigma计算值去再次调整参数作为全局工艺角模型，更为简洁。
一种 mosfet 器件全局工艺模型建模方法

[发明专利]一种基于注意力蒸馏的联邦学习后门防御方法-CN202211135741.1在审
发明人：朱诚诚;张佳乐;陈玮彤;成翔;孙小兵 -专利权人：扬州大学
申请日： 2022-09-19 - 公布日： 2023-01-20 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于注意力蒸馏的联邦学习后门防御方法，包括：步骤1：获取n个本地模型，将n个本地模型的模型参数进行平均聚合，并将平均聚合后的模型参数对联邦学习当前轮次的全局模型进行更新，得到聚合后的全局模型；步骤2：以n个本地模型作为教师模型，以聚合后的全局模型作为学生模型，以标记后的数据集作为输入，进行多教师注意力知识蒸馏，得到蒸馏后的学生模型；步骤3：将蒸馏后的学生模型作为联邦学习下一轮次的全局模型下发给n个参与方，得到n个本地模型；步骤4：重复执行步骤1至步骤3，直至全局模型收敛，得到最终的全局模型；步骤5：将待分类数据输入至最终的全局模型，得到分类结果。
一种基于注意力蒸馏联邦学习后门防御方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条