買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜上海大學(xué)申請的專利一種聯(lián)邦主動(dòng)學(xué)習(xí)模型訓(xùn)練方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115049075B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202210702694.8，技術(shù)領(lǐng)域涉及：G06N20/00；該發(fā)明授權(quán)一種聯(lián)邦主動(dòng)學(xué)習(xí)模型訓(xùn)練方法及系統(tǒng)是由武星;裴潔;錢權(quán)設(shè)計(jì)研發(fā)完成，并于2022-06-21向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種聯(lián)邦主動(dòng)學(xué)習(xí)模型訓(xùn)練方法及系統(tǒng)在說明書摘要公布了：本發(fā)明涉及一種聯(lián)邦主動(dòng)學(xué)習(xí)模型訓(xùn)練方法及系統(tǒng)，將聯(lián)邦學(xué)習(xí)和主動(dòng)學(xué)習(xí)結(jié)合在一起，在保護(hù)數(shù)據(jù)隱私的前提下能夠充分利用各參與方的大量未標(biāo)注數(shù)據(jù)進(jìn)行模型的協(xié)同訓(xùn)練，在每個(gè)聯(lián)邦學(xué)習(xí)訓(xùn)練輪次中，利用聯(lián)邦學(xué)習(xí)得到的全局模型來指導(dǎo)本地對數(shù)據(jù)進(jìn)行標(biāo)注，提高標(biāo)注效率，同時(shí)一定程度克服數(shù)據(jù)孤島問題。針對主動(dòng)學(xué)習(xí)挑選信息性樣本方面基于損失預(yù)測和特征空間距離提出了混合采樣策略，可以挑選出高質(zhì)量樣本，降低標(biāo)注成本；減少樣本標(biāo)注成本來提高模型的精度和泛化性能。

本發(fā)明授權(quán)一種聯(lián)邦主動(dòng)學(xué)習(xí)模型訓(xùn)練方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種聯(lián)邦主動(dòng)學(xué)習(xí)模型訓(xùn)練方法，其特征在于，包括如下步驟：1各個(gè)參與方并行地從本地未標(biāo)注數(shù)據(jù)集中隨機(jī)挑選一部分樣本請專家進(jìn)行標(biāo)注，將標(biāo)注后的數(shù)據(jù)樣本從本地?cái)?shù)據(jù)集移動(dòng)到已標(biāo)注數(shù)據(jù)集Dl中，剩下的未標(biāo)注數(shù)據(jù)集為Du，與此同時(shí)中央服務(wù)器隨機(jī)生成全局模型參數(shù)W下發(fā)到各個(gè)參與方；2各個(gè)參與方并行地從中央服務(wù)器接收全局模型參數(shù)W加載到本地模型，利用Dl對本地模型Wlocal進(jìn)行訓(xùn)練，利用本地模型Wlocal中的特征嵌入作為輸入，本地模型Wlocal的損失作為標(biāo)簽對損失預(yù)測模型Wloss進(jìn)行訓(xùn)練，學(xué)習(xí)訓(xùn)練中更新模型參數(shù)；3各個(gè)參與方并行地利用訓(xùn)練后損失預(yù)測模型Wloss對Du中所有數(shù)據(jù)樣本執(zhí)行一次模型推理，得到當(dāng)前所有未標(biāo)注數(shù)據(jù)的預(yù)測損失值pl；4各個(gè)參與方并行地利用訓(xùn)練后本地模型Wlocal對Dl和Du中所有數(shù)據(jù)樣本執(zhí)行一次模型推理，抽取當(dāng)前所有數(shù)據(jù)的潛在空間中的特征嵌入，并對所有已標(biāo)注數(shù)據(jù)樣本的特征嵌入進(jìn)行平均計(jì)算得到其質(zhì)心，接著計(jì)算得到所有未標(biāo)注數(shù)據(jù)樣本的特征嵌入到所有已標(biāo)注數(shù)據(jù)樣本的特征嵌入的質(zhì)心的歐幾里得距離dist；5各個(gè)參與方并行地利用步驟3、4得到的pl和dist加權(quán)計(jì)算每一個(gè)未標(biāo)注數(shù)據(jù)樣本的Rank值，根據(jù)Rank的大小降序排序，挑選出前b個(gè)樣本由專家進(jìn)行標(biāo)注，并從Du移動(dòng)到Dl；6各個(gè)參與方并行地上傳訓(xùn)練更新后本地模型參數(shù)；7中央服務(wù)器接收各個(gè)參與方上傳的本地模型參數(shù)利用模型聚合算法更新全局模型參數(shù)W并下發(fā)到各個(gè)參與方；8迭代訓(xùn)練，重復(fù)2至7，直到滿足迭代次數(shù)，獲得最終的本地標(biāo)注數(shù)據(jù)集和數(shù)據(jù)識(shí)別本地模型Wlocal。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人上海大學(xué)，其通訊地址為：200436 上海市寶山區(qū)上大路99號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。