Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜深圳市与飞科技有限公司侯宪龙获国家专利权

恭喜深圳市与飞科技有限公司侯宪龙获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜深圳市与飞科技有限公司申请的专利横向联邦学习方法、装置及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN113487041B

龙图腾网通过国家知识产权局官网在2024-05-07发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202110801990.9,技术领域涉及:G06N20/00;该发明授权横向联邦学习方法、装置及存储介质是由侯宪龙设计研发完成,并于2021-07-15向国家知识产权局提交的专利申请。

横向联邦学习方法、装置及存储介质在说明书摘要公布了:本申请实施例公开了一种横向联邦学习方法、装置及存储介质,属于机器学习技术领域。针对横向联邦学习方法,本申请中的第i客户端节点能够根据本地数据更新上一轮的全局模型,得到第i本地模型;计算第i本地模型所属的目标聚类类别,并上传目标聚类类别至第i矿工节点,以便第i矿工节点将同属目标聚类类别的本地模型聚合生成为本轮的全局模型,随后从第i矿工节点下载本轮的全局模型。可知,由于本方法采用了聚类方法,使得矿工节点在更新全局模型的过程中聚合同一类的本地模型,从而使得更新后的全局模型有更优的性能,避免被偏差较大的本地模型干扰,提高了横向联邦学习在本地模型差异较大的现实应用场景中的更新效率。

本发明授权横向联邦学习方法、装置及存储介质在权利要求书中公布了:1.一种横向联邦学习方法,其特征在于,应用于横向联邦学习系统中的第i客户端节点,i为正整数,所述方法包括:获取第k-1轮全局模型,所述第k-1轮全局模型是在横向联邦学习过程中第k-1轮训练后得到的全局模型,k大于或等于2,k为正整数;根据本地数据更新所述第k-1轮全局模型,得到第i本地模型;计算所述第i本地模型所属的目标聚类类别;上传所述第i本地模型和所述目标聚类类别到第i矿工节点,所述第i矿工节点属于区块链系统;其中,所述第i矿工节点用于接收所述第i客户端节点上传的所述第i本地模型和所述目标聚类类别;将所述第i本地模型存储到候选块中;基于所述目标聚类类别,从所述区块链系统中的其它矿工节点的广播数据中下载与所述目标聚类类别对应的本地模型并存储到所述候选块中;在所述区块链系统中存在完成工作量证明PoW操作的目标矿工节点时,根据所述目标矿工节点生成的生成块中存储的目标聚类类别对应的所述第i本地模型,聚合得到第k轮全局模型;所述生成块是所述目标矿工节点在完成工作量证明PoW操作时的候选块;发送所述第k轮全局模型到所述第i客户端节点中;从所述第i矿工节点下载所述第k轮全局模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人深圳市与飞科技有限公司,其通讯地址为:518052 广东省深圳市前海深港合作区南山街道桂湾四路55号前海华润金融中心T2号写字楼1301;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。