[发明专利]训练模型的方法和装置

权利要求书

1.一种应用于无线网络中的训练模型的方法，其特征在于，所述方法由所述无线网络中的第一节点执行，所述方法包括：

所述第一节点向所述无线网络中的至少一个第二节点发送第一请求，所述第一请求用于请求所述至少一个第二节点分别基于所述第二节点的本地数据，对第一共享模型进行本地模型再训练；

所述第一节点从所述至少一个第二节点分别获取模型上报消息，所述每个第二节点的模型上报消息包括第一本地模型的参数，或者包括所述第一本地模型的参数与所述第一共享模型的参数之间的增量，其中，所述第一本地模型是所述每个第二节点基于所述第一请求和所述本地数据，对所述第一共享模型进行本地模型再训练后得到的；

所述第一节点根据所述至少一个第二节点的模型上报消息和所述第一共享模型，确定第二共享模型。

2.根据权利要求1所述的方法，其特征在于，所述模型上报消息还包括所述第一本地模型对应的训练数据集的大小，和/或，所述第一本地模型的预测误差；

所述第一节点根据所述至少一个第二节点的模型上报消息和所述第一共享模型，确定第二共享模型，包括：

所述第一节点在所述至少一个第二节点对应的至少一个第一本地模型中确定第二本地模型，所述第二本地模型对应的训练数据集的大小大于或等于第一阈值，和/或，所述第二本地模型的预测误差小于或等于第二阈值；

所述第一节点根据所述第二本地模型和所述第一共享模型，确定所述第二共享模型。

3.根据权利要求2所述的方法，其特征在于，所述第一节点根据所述第二本地模型和所述第一共享模型，确定所述第二共享模型，包括：

所述第一节点对所述第二本地模型的参数，或者所述第二本地模型的参数与所述第一共享模型的参数之间的增量，进行加权平均聚合，其中，所述加权平均聚合所采用的权重参数是根据所述第二本地模型对应的训练数据集的大小，和/或，所述第二本地模型的预测误差确定的；

所述第一节点根据加权平均聚合的结果和所述第一共享模型，确定所述第二共享模型。

4.根据权利要求1-3任一项所述方法，其特征在于，所述第一节点中包括集中自适应策略功能和集中分析和建模功能，所述方法还包括：

所述集中自适应策略功能向所述集中分析和建模功能发送联合学习策略，所述联合学习策略包括以下信息中的至少一种：

联合学习启动条件、所述第一共享模型的信息、联合学习群组成员标识、所述第一本地模型的上传策略、所述第一本地模型的筛选策略、所述第一本地模型的聚合策略、所述第一本地模型的处理策略或共享模型更新策略。

5.根据权利要求4所述的方法，其特征在于，所述第二节点中包括本地分析和建模功能；

其中，所述第一节点向所述无线接入网中的至少一个第二节点发送第一请求，包括：

在满足所述联合学习启动条件时，所述第一节点中的所述集中分析和建模功能向所述至少一个第二节点中每个第二节点的本地分析和建模功能发送所述第一请求，其中，所述第一请求中包括所述第一共享模型的信息。

6.根据权利要求4或5所述的方法，其特征在于，所述第一共享模型的信息包括以下至少一种：

所述第一共享模型的模型标识、模型类型、模型结构、输入输出和初始模型参数或训练数据采集时长。

7.根据权利要求5或6所述的方法，其特征在于，所述第一请求中还包括所述第一本地模型的上传策略。

8.根据权利要求7所述的方法，其特征在于，所述第一本地模型的上传策略包括以下至少一种：

所述第一本地模型上传前的处理算法的标识、所述第一本地模型的上传时间或所述第一本地模型上传时的携带信息；

其中，所述携带信息包括所述第一本地模型的训练数据集的大小和/或预测误差。