[发明专利]从分布式网络中的有噪声的数值数据学习模式字典

权利要求书

1.一种用于由通过网络互连的多个网络节点进行协作学习的计算机实现的方法，所述多个网络节点属于多个客户端系统，所述方法包括：

在属于第一客户端系统的第一网络节点处，通过使用基于所述多个客户端系统之间的共识而构建的模式字典来构建所述第一客户端系统的预测模型；

基于所述第一客户端系统的原始数据计算所述第一客户端系统的本地统计的集合；

通过聚合来自所述多个客户端系统的本地统计的集合来计算本地统计的共识集合；以及

基于所述模式字典的当前值和所述本地统计的共识集合来更新所述模式字典。

2.根据权利要求1所述的计算机实现的方法，其中所述第一客户端系统的所述预测模型是基于所述第一客户端系统的所述原始数据、所述第一客户端系统的混合权重的集合和所述模式字典确定的概率分布。

3.根据任一前述权利要求所述的计算机实现的方法，其中所述模式字典、所述本地统计的集合和所述混合权重的集合中的每一者分别包括对应于混合分量的集合的分量。

4.根据任一前述权利要求所述的计算机实现的方法，其中所述模式字典被存储在散列链数据结构中。

5.根据任一前述权利要求所述的计算机实现的方法，其中所述本地统计的集合包括所述第一客户端系统的所述原始数据的充分统计的集合和所述第一客户端系统的所述原始数据的样本大小的集合。

6.根据任一前述权利要求所述的计算机实现的方法，其中所述原始数据包括由一个或多个物联网(IoT)设备生成的实数值。

7.根据任一前述权利要求所述的计算机实现的方法，其中聚合来自所述多个客户端系统的所述本地统计的集合包括在所述多个网络节点之间通过所述网络在没有加密的情况下交换所述本地统计的集合。

8.根据任一前述权利要求所述的计算机实现的方法，其中所述第一网络节点是所述第一客户端系统的共识节点，其中所述第一客户端系统的所述原始数据是从所述第一客户端系统的客户端节点在加密的情况下接收的。

9.根据任一前述权利要求所述的计算机实现的方法，还包括基于所述第一客户端系统的所述原始数据和所述模式字典来更新所述第一客户端系统的样本权重的集合，其中基于所述样本权重来确定所述样本大小的集合。

10.根据任一前述权利要求所述的计算机实现的方法，其中计算所述本地统计的共识集合包括将所述第一客户端系统的所述本地统计的集合的不同子集分布到属于不同客户端系统的不同网络节点。

11.根据权利要求10所述的计算机实现的方法，其中所述第一客户端系统的所述本地统计的集合的所述不同子集被分布到基于随机生成的关联矩阵所识别的网络节点。

12.一种实现通过网络互连的多个网络节点中的网络节点的计算设备，所述多个网络节点属于协作学习框架中的多个客户端系统，所述计算设备包括：

处理器；以及

存储设备，存储指令集，其中由所述处理器对所述指令集的执行将所述计算设备配置为执行动作，所述动作包括：

在属于第一客户端系统的第一网络节点处，通过使用基于所述多个客户端系统之间的共识而构建的模式字典来构建所述第一客户端系统的预测模型；

基于所述第一客户端系统的原始数据计算所述第一客户端系统的本地统计的集合；

通过聚合来自所述多个客户端系统的本地统计的集合来计算本地统计的共识集合；以及

基于所述模式字典的当前值和所述本地统计的共识集合来更新所述模式字典。

13.根据权利要求12所述的计算设备，其中所述第一客户端系统的所述预测模型是基于所述第一客户端系统的所述原始数据、所述第一客户端系统的混合权重的集合和所述模式字典确定的概率分布。