“G06N20/00”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果4108个，建议您升级VIP下载更多相关专利

[发明专利]一种模型训练的方法、装置、存储介质及电子设备-CN202310871399.X在审
发明人：李佳霓 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-07-14 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，所述方法包括：确定各用户的风控信息，作为各无标注样本。再确定各用户分别对应的原始策略，以及根据待训练的策略推荐模型，确定各用户对各类风控策略的评价得分。之后，根据各用户对应的评价得分，确定对各用户对应的原始策略进行调整后得到的调整策略。再根据各调整策略，对各用户进行测试性风控，以确定各无标注样本对应的标注。根据各无标注样本以及各无标注样本对应的标注，对待训练的策略推荐模型进行训练。使得可以根据获取到的其他类型的样本训练待训练的策略推荐模型，以使训练完成的策略推荐模型可以在应用过程中，给出更加公平和准确的风控策略。
一种模型训练方法装置存储介质电子设备

[发明专利]一种基于动态注意力机制的联邦学习模型训练方法-CN202310884951.9在审
发明人：王楠;刘娟;张大林 -专利权人：北京交通大学
申请日： 2023-07-18 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种基于动态注意力机制的联邦学习模型训练方法。该方法包括：在每个通信轮次中，各客户端利用本地数据样本集和中央服务器下发的联合模型参数采用动态参数策略和最佳表现模型策略迭代训练更新本地的机器学习模型，将本轮次训练的模型参数更新信息和模型贡献度信息上传到中央服务器；中央服务器根据接收到的模型贡献度信息进行动态注意力分配，融合参数更新信息进行多模型安全聚合生成新的联合模型，下发新的联合模型参数信息给各个客户端进行同步更新，开启新一轮次的迭代训练。本发明方法能够动态捕捉各参与方本地模型训练的性能提升度，给予性能提升度大的模型更多的关注，从而改善联合模型训练迭代的流程及提升最终模型的性能。
一种基于动态注意力机制联邦学习模型训练方法

[发明专利]模型训练的方法、装置及电子设备-CN202310920108.1在审
发明人：张妍;顾鹏;叶平;张诗杭;聂亚南;李斌 -专利权人：中国电信股份有限公司
申请日： 2023-07-25 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种模型训练的方法、装置及电子设备。其中，该方法包括：获取联邦学习模型中参与设备对应的本地数据信息，其中，本地数据信息包括：参与设备的设备算力、参与设备的存储资源信息和参与设备的网络资源信息；确定对本地数据信息进行联邦学习所使用的目标架构，其中，目标架构包括以下之一：中心化联邦架构和对等网络架构；依据目标架构对本地数据信息进行联邦学习训练，得到全局模型。本申请解决了传统的联邦学习对参与方设备的本地训练时间预估较难的技术问题。
模型训练方法装置电子设备

[发明专利]基于联邦学习的模型构建方法、装置、设备及介质-CN202310954224.5在审
发明人：孙善宝;罗清彩;韩涛;李彬;贾荫鹏 -专利权人：山东浪潮科学研究院有限公司
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种基于联邦学习的模型构建方法、装置、设备及介质，涉及联邦学习技术领域，应用于云数据中心聚合节点，包括：获取参与方对目标梯度加密得到的加密梯度，将加密梯度存放参数队列；目标梯度是参与方对当前模型训练得到的；以流水线并行模式依次从参数队列选取不高于目标数量个加密梯度进行梯度聚合得到聚合梯度，可信执行环境中解密聚合梯度得到解密梯度，利用解密梯度对当前模型参数更新，流水线并行模式结束后得到若干更新后模型；对所有更新后模型参数聚合得到聚合模型，将聚合模型作为当前模型发送参与方，跳转至获取加密梯度步骤，直至最新模型收敛。以流水线并行模式处理聚合解密和更新过程，节省时间，提高了模型训练效率。
基于联邦学习模型构建方法装置设备介质

[发明专利]联合模型的训练方法、装置、设备、介质和程序产品-CN202310757701.9在审
发明人：孙浩;李增祥 -专利权人：新奥新智科技有限公司
申请日： 2023-06-26 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种联合模型的训练方法、装置、设备、介质和程序产品。所述方法包括：接收模型配置指令；模型配置指令包括样本数据配置信息、多个模型训练参与对象；根据样本数据配置信息获取各模型训练参与对象的样本数据，根据各模型训练参与对象的样本数据以及多个模型训练参与对象对初始模型进行仿真训练，获得联合模型；基于联合模型的性能参数和/或联合模型的价值参数更新联合模型的模型训练参与对象，基于更新后的模型训练参与对象的样本数据对联合模型进行更新。采用本方法能够仿真不同配置项下的联合模型的更新过程，避免联合模型的试运行造成的成本较高的问题。
联合模型训练方法装置设备介质程序产品

[发明专利]控制装置、控制方法以及非临时性计算机可读介质-CN202310463034.3在审
发明人：吉冈征一郎;高见豪;小渊惠一郎;神宫善行 -专利权人：横河电机株式会社
申请日： 2023-04-26 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：提供一种控制装置，具有：模型输出获取部，其获取与向操作模型输入了表示设备的状态的状态数据相应地输出的操作模型输出，所述操作模型是利用来自模拟所述设备的操作的模拟器的模拟数据以输出与所述设备的状态相应的行动的方式进行了机器学习而得到的；指标获取部，其获取利用来自所述设备的实际数据而计算出的用于监视所述模拟器的动作与所述设备的实际操作的差异的指标；校正部，其基于所述指标而对所述操作模型输出进行校正；以及控制部，其根据所述校正的操作模型输出而输出用于对设置于所述设备的控制对象进行控制的操作量。
控制装置方法以及临时性计算机可读介质

[发明专利]一种模型应用次数的估计方法和估计装置-CN202210393265.7在审
发明人：韩书君;李一禾;许晓东;董辰;王碧舳 -专利权人：北京邮电大学
申请日： 2022-04-15 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种模型应用次数的估计方法和估计装置，涉及通信技术领域。具体实现方案为：接收业务请求，根据业务请求确定哈希函数集的函数个数；节点接收模型流，计算模型流中的模型对应于每个哈希函数的哈希值；对所有模型对应的相同哈希函数的相同哈希值进行个数统计，以得到统计数量；将模型的每个哈希函数的哈希值对应的所有统计数量中的最小统计数量作为模型的估计应用次数。本公开通过运算得到的哈希值对模型进行分类，并将哈希函数的方法应用到网络模型整体流量的估计测量过程中，从而通过哈希函数的压缩作用，提高了计算精确度和运算效率，并且可以减少了存储资源占用量。
一种模型应用次数估计方法装置

[发明专利]联合模型的训练方法、训练装置、存储介质及电子设备-CN202310721913.1在审
发明人：杨程屹 -专利权人：新奥新智科技有限公司
申请日： 2023-06-16 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本公开是关于一种联合模型的训练方法、联合模型的训练装置、存储介质及电子设备。该联合模型的训练方法包括获取第T轮训练时各参与方上传的本地模型及本地模型对应的性能度量指标的度量值；将各参与方上传的本地模型以加权求平均的方式进行模型聚合得到第一联合模型，将各参与方上传的本地模型以各参与方上传的度量值为权重进行加权模型聚合得到第二联合模型；根据第一联合模型对应的性能度量指标的估计值及第二联合模型对应的性能度量指标的估计值，判断各参与方中是否有参与方虚报度量值；若各参与方中有参与方虚报度量值则将虚报度量值的参与方剔除，将第二联合模型作为第T+1轮训练时的初始模型进行模型训练，如此可提高联合模型训练质量。
联合模型训练方法装置存储介质电子设备

[发明专利]基于联邦学习的模型训练方法及装置-CN202310810851.1在审
发明人：林岳 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-07-04 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：公开了一种基于联邦学习的模型训练方法，包括迭代执行下述步骤，直至达到预设训练结束条件：从中心设备接收全局参数；基于全局参数，更新目标模型的本地模型参数；基于更新后的目标模型，确定目标损失函数在本地样本数据集上的无噪梯度；向无噪梯度添加基于梯度敏感度的目标噪声，以得到加噪梯度；基于加噪梯度，向中心设备发送本地参数，以供中心设备基于该本地参数和由参与目标模型训练的至少一个其他训练主体在当前迭代轮次得到的本地参数更新全局参数。根据本申请实施例的基于联邦学习的模型训练方法可以有效提升联邦学习中的数据安全，避免隐私数据泄露。
基于联邦学习模型训练方法装置

[发明专利]排版评估模型的训练方法、装置、设备、存储介质及产品-CN202211683197.4在审
发明人：余亭浩;陈少华;王赟豪;刘浩 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-12-27 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种排版评估模型的训练方法、装置、设备、存储介质及产品，涉及计算机技术领域。该方法包括：获取样本数据对，样本数据对中包括符合图文内容相似度要求和排版差异性要求的第一样本排版图文和第二样本排版图文，且分别对应有第一反馈标签和第二反馈标签；通过候选排版评估模型对第一样本排版图文和第二样本排版图文进行排版评估分析，得到对应的第一反馈预测和第二反馈预测；基于第一反馈标签和第二反馈标签之间的差异关系，对第一反馈预测和第二反馈预测进行损失确定，得到预测损失值；基于预测损失值对候选排版评估模型进行训练，得到排版评估模型，用于对图文排版内容进行阅读反馈预测，提高了排版评估预测的准确性。
排版评估模型训练方法装置设备存储介质产品

[发明专利]模型决策方法、装置、设备和存储介质-CN202211507532.5在审
发明人：吴秉哲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-11-28 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本公开的实施例提供了一种模型决策方法、装置、设备和计算机可读存储介质。本公开的实施例所提供的方法通过根据特定训练策略训练在训练集的不同子群上具有更好表现的多个待集成模型，并根据可学习的模型集成参数来对这些待集成模型对于测试样本的决策结果进行针对该测试样本的自适应集成，以生成与该测试样本相对应的最终联合决策结果。通过本公开的实施例的方法能够针对不同测试样本自动地调整模型集成参数，以实现针对不同测试样本的最优决策结果集成，从而在不同子群上具有更优且更公平的性能。
模型决策方法装置设备存储介质

[发明专利]无线网络中安全的联邦学习聚合方法、系统、设备及介质-CN202310829896.3在审
发明人：孙红光;张冲;王学波;张宏鸣;李书琴;徐超;景旭;吕志明;刘敬敏 -专利权人：西北农林科技大学
申请日： 2023-07-07 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本发明属于无线通信技术领域，公开了一种无线网络中安全的联邦学习聚合方法、系统、设备及介质，基于非对称密钥加密体制进行用户身份认证，通过EigenTrust算法对用户进行可靠性分数建模，服务器构建与其关联节点的可靠性分数表；在一个训练轮次完成后，用户首先加密身份信息并对本地模型添加差分隐私并发送给服务器，服务器验证用户身份后接收模型信息，计算用户可靠性分数，该可靠性分数同时会成为下一轮可靠性分数计算时的参照；服务器根据用户可靠性分数值将用户模型参数按照一定比例进行聚合，得到全局模型。本发明合理有效地防止用户恶意破坏联邦学习过程，保护用户隐私，提高联邦学习系统全局模型的正确率，保证了无线联邦学习的安全性。
无线网络安全联邦学习聚合方法系统设备介质

[发明专利]机器学习用数据生成方法、元学习方法、机器学习用数据生成装置及程序-CN202280011672.5在审
发明人：宫本真实;武良盛太郎;広桥佑纪;桥本敦史;徳隆宏;土屋直树;井尻善久;冈本大和 -专利权人：欧姆龙株式会社
申请日： 2022-01-18 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：一种生成用于机器学习中的域泛化的数据的数据生成方法，包括：计算机以用于机器学习模型的训练的学习用数据为原始数据来实施增强的工序；以及计算机提取包括原始数据和通过数据增强生成的数据这两方的数据集作为用于域泛化的数据集的工序。
机器习用数据生成方法学习方法装置程序

[发明专利]数据处理方法、装置、设备及存储介质-CN202310740476.8在审
发明人：石志林 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-06-20 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例公开了一种数据处理方法、装置、设备及存储介质，属于计算机技术领域。该方法包括：在模型训练过程中，对模型训练数据进行快照，得到第一日志文件，所述第一日志文件中包括模型训练过程中生成的第一中间状态数据以及第一结果数据；在模型训练结束后，基于所述第一日志文件以及日志回放语句，对模型训练过程进行回放，得到第二日志文件，所述第二日志文件中包括模型训练回放过程中产生的第二中间状态数据以及第二结果数据；对所述第一日志文件以及所述第二日志文件进行对比分析，得到模型训练分析结果，所述模型训练分析结果表征模型训练过程与回放过程之间的数据变化情况；采用本申请实施例提供的方案，提高了模型训练和开发的效率。
数据处理方法装置设备存储介质

[发明专利]用于模型训练的方法及计算设备-CN202310758591.8在审
发明人：盛祥荣;程月瑶;桂孝强;赵云峰;韩曙光;朱晗;姜宇宁;许俭;郑波;余国先 -专利权人：浙江天猫技术有限公司
申请日： 2023-06-25 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请提供一种用于模型训练的方法及计算设备。一种用于模型训练的方法包括：准备数据样本，所述数据样本包含非优势信息和优势信息；设计教师模型和学生模型，其中所述学生模型用于对非优势信息进行建模，所述教师模型用于对非优势信息和优势信息进行建模；利用所述数据样本训练所述教师模型；通过准度兼容的序列蒸馏损失函数，将教师模型的预估能力蒸馏到所述学生模型中。根据本申请的技术方案使学生模型极大地学习到教师模型的排序能力，同时不会破坏模型的预估准度。
用于模型训练方法计算设备

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 4108 条