[发明专利]基于联邦学习的多方联合因果树模型构建系统以及方法在审
申请号: | 202311032785.6 | 申请日: | 2023-08-16 |
公开(公告)号: | CN116757286A | 公开(公告)日: | 2023-09-15 |
发明(设计)人: | 王克华;陈超超;郑小林;李岩 | 申请(专利权)人: | 杭州金智塔科技有限公司 |
主分类号: | G06N5/043 | 分类号: | G06N5/043;G06N5/04;G06N5/01;G06N20/00;G06F21/60;G06F21/62;H04L9/00;H04L9/40;G06N20/20 |
代理公司: | 北京智信禾专利代理有限公司 11637 | 代理人: | 李东海 |
地址: | 310012 浙江省杭州市西*** | 国省代码: | 浙江;33 |
权利要求书: | 暂无信息 | 说明书: | 暂无信息 |
摘要: | 说明书实施例提供基于联邦学习的多方联合因果树模型构建系统及方法,其中基于联邦学习的多方联合因果树模型构建系统包括:主动方,用于响应于多方联合模型构建任务生成模型联合构建请求,并发送至被动方;被动方,用于接收模型联合构建请求,并根据模型联合构建请求读取被动方样本数据的第一类别信息,并发送至主动方;主动方,用于基于本地样本数据对应的第二类别信息或第一类别信息确定至少一个分割方式;针对每个分割方式分别构建评估任务并执行,并确定每个分割方式对应的分割评分,基于分割评分在至少一个分割方式中选择目标分割方式,根据目标分割方式构建多方联合因果树模型,从而实现预测不同对象对干预措施的响应信息的技术效果。 | ||
搜索关键词: | 基于 联邦 学习 多方 联合 果树 模型 构建 系统 以及 方法 | ||
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州金智塔科技有限公司,未经杭州金智塔科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/202311032785.6/,转载请声明来源钻瓜专利网。
- 上一篇:包膜设备及方法
- 下一篇:一种建筑废料废水分离处理装置及其控制方法
- 同类专利
- 数据标注的方法、AI开发平台、计算设备集群和存储介质-202210855348.3
- 李明磊;糜飞;陈志毅;王雅圣;邓晓峰;怀宝兴 - 华为云计算技术有限公司
- 2022-07-19 - 2023-10-10 - G06N5/043
- 本申请提供了一种数据标注的方法、AI开发平台、计算设备集群,方法可以由AI开发平台执行,首先,AI开发平台可以基于用户输入的提示模板和提前部署AI平台中的基础模型,对第一数据集进行数据标注,然后,生成显示界面以向所述第一用户显示第一数据集中的难例集,最后,AI平台根据所述第一用户对所述第一难例集的标注进行确认后的结果,对所述基础模型进行训练,以得到更新后的基础模型。该方法可以降低对初始标注数据的依赖、数据标注所需的人力成本,该方法还能通过难例挖掘的确认结果,对部署在AI开发平台中的这个基础模型进行更新,让基础模型持续新知识,使得基础模型能力越来越强,推理效率越来越高。
- 基于多天线空中计算的边缘智能推理方法及系统-202211534341.8
- 石远明;杨瀚哲;文鼎柱 - 上海科技大学
- 2022-12-02 - 2023-09-26 - G06N5/043
- 本发明涉及一种基于多天线空中计算的边缘智能推理方法及系统,通过使用一个名叫“判别增益”的指标解决计算准确率缺乏理论支撑问题;通过共同设计通信、计算与感知模型,将其有机地融合起来,解决在边缘智能推理的过程中,数据感知、特征计算与通信的高度结合问题;使用空中计算技术聚合多个感知器的结果来尽可能地消除感知误差的影响,避免单个设备出现过大的感知误差;使用了多天线(MIMO)空中计算系统进行通信设计,进一步减小了通信延时,提升通信效率。
- 模型的准确度确定方法、装置及网络侧设备-202210224396.2
- 崇卫微;程思涵;吴晓波 - 维沃移动通信有限公司
- 2022-03-07 - 2023-09-19 - G06N5/043
- 本申请公开了一种模型的准确度确定方法、装置及网络侧设备,属于移动通信领域,本申请实施例的模型的准确度确定方法包括:第一网元基于第一模型对任务进行推理;所述第一网元确定所述第一模型对应的第一准确度,所述第一准确度用于指示所述第一模型对所述任务的推理结果的准确程度;在所述第一准确度达到预设条件的情况下,所述第一网元向第二网元发送第一信息,所述第一信息用于指示所述第一模型的准确度不满足准确度需求或下降;其中,所述第二网元为触发所述任务的网元。
- 模型的准确度确定方法、装置及网络侧设备-202210958867.2
- 崇卫微;程思涵;吴晓波 - 维沃移动通信有限公司
- 2022-08-09 - 2023-09-19 - G06N5/043
- 本申请公开了一种模型的准确度确定方法、装置及网络侧设备,属于移动通信领域,本申请实施例的模型的准确度确定方法包括:第一网元基于第一模型对任务进行推理;所述第一网元确定所述第一模型对应的第一准确度,所述第一准确度用于指示所述第一模型对所述任务的推理结果的准确程度;在所述第一准确度达到预设条件的情况下,所述第一网元向第二网元发送第一信息,所述第一信息用于指示所述第一模型的准确度不满足准确度需求或下降;其中,所述第二网元为提供所述第一模型的网元。
- 模型的准确度确定方法、装置及网络侧设备-202210225777.2
- 程思涵;崇卫微 - 维沃移动通信有限公司
- 2022-03-07 - 2023-09-19 - G06N5/043
- 本申请公开了一种模型的准确度确定方法、装置及网络侧设备,属于移动通信领域,本申请实施例的模型的准确度确定方法包括:第一网元确定所述第一模型的第一准确度,所述第一准确度用于指示所述第一模型对所述任务的推理结果的准确程度;在所述第一网元确定所述第一准确度达到预设条件的情况下,向第二网元发送第一信息,所述第一信息用于指示所述第一模型的准确度不满足准确度需求或下降。
- 模型的准确度确定方法、装置及网络侧设备-202210225808.4
- 崇卫微;程思涵;吴晓波 - 维沃移动通信有限公司
- 2022-03-07 - 2023-09-19 - G06N5/043
- 本申请公开了一种模型的准确度确定方法、装置及网络侧设备,属于移动通信领域,本申请实施例的模型的准确度确定方法包括:第一网元从第二网元获取任务对应的推理结果数据,所述推理结果数据是所述第二网元基于第一模型对所述任务进行推理得到的;所述第一网元确定所述任务对应的推理结果数据的准确度信息;所述第一网元向所述第二网元和/或第三网元发送第一信息,所述第一信息用于指示所述任务对应的推理结果数据的准确度信息;其中,所述第一网元为触发所述任务的网元,所述第二网元为对所述任务进行推理的网元,所述第三网元为提供所述第一模型的网元。
- 通信网络中的数据处理方法及网络侧设备-202210950629.7
- 程思涵;崇卫微;吴晓波 - 维沃移动通信有限公司
- 2022-08-09 - 2023-09-19 - G06N5/043
- 本申请公开了一种通信网络中的数据处理方法及网络侧设备,属于通信技术领域,本申请实施例的通信网络中的数据处理方法包括:第一网元确定第一模型的第一准确度,所述第一准确度用于指示所述第一模型用于实际推理的准确程度;在所述第一准确度满足预设条件的情况下,所述第一网元重新训练所述第一模型或者重新选择第二模型。
- 基于联邦学习的多方联合因果树模型构建系统以及方法-202311032785.6
- 王克华;陈超超;郑小林;李岩 - 杭州金智塔科技有限公司
- 2023-08-16 - 2023-09-15 - G06N5/043
- 说明书实施例提供基于联邦学习的多方联合因果树模型构建系统及方法,其中基于联邦学习的多方联合因果树模型构建系统包括:主动方,用于响应于多方联合模型构建任务生成模型联合构建请求,并发送至被动方;被动方,用于接收模型联合构建请求,并根据模型联合构建请求读取被动方样本数据的第一类别信息,并发送至主动方;主动方,用于基于本地样本数据对应的第二类别信息或第一类别信息确定至少一个分割方式;针对每个分割方式分别构建评估任务并执行,并确定每个分割方式对应的分割评分,基于分割评分在至少一个分割方式中选择目标分割方式,根据目标分割方式构建多方联合因果树模型,从而实现预测不同对象对干预措施的响应信息的技术效果。
- 一种服务器无感知的大语言模型推理系统、方法和设备-202310961495.3
- 金鑫;刘譞哲;仲殷旻;吴秉阳;章梓立 - 北京大学
- 2023-08-02 - 2023-09-05 - G06N5/043
- 本申请提供了一种服务器无感知的大语言模型推理系统、方法和设备,该系统应用于人工智能技术领域,该系统包括:调度器和GPU集群;调度器包括:作业分析模块,用于对接收到的目标推理作业请求,进行信息预测,得到预测执行时间;调度模块,用于根据预测执行时间,确定目标推理作业请求所需要进入的目标优先级队列;调度模块,还用于从多个优先级队列中,选择一个或多个推理作业请求发送给GPU集群;GPU集群包括:分布式执行模块,用于接收调度模块发送的推理作业请求,执行推理作业请求所对应的推理作业,得到推理结果;内存管理模块,用于管理分布式执行模块执行推理作业的过程中产生的中间状态数据。
- 推理实现方法、网络、电子设备及存储介质-202111413826.7
- 魏旭宾;朱磊 - 达闼科技(北京)有限公司
- 2021-11-25 - 2023-07-11 - G06N5/043
- 本发明实施例涉及人工智能技术领域,公开了一种推理实现方法、网络、电子设备及存储介质。应用于边缘节点时,该方法包括:接收下级边缘节点和/或终端设备在推理失败的情况下发送的第一推理请求,第一推理请求携带待推理数据和推理类型;根据推理类型调用目标推理模型对待推理数据进行推理;在推理成功的情况下,将目标推理模型输出的推理结果返回给下级边缘节点和/或终端设备;在推理失败的情况下,根据待推理数据和推理类型生成第二推理请求,并将第二推理请求发送给上级边缘节点和/或云端节点,将上级边缘节点和/或云端节点返回的推理结果下发给下级边缘节点和/或终端设备。大大提高终端设备推理成功的概率和准确率,提升用户体验。
- 一种基于中文自然语言处理的分布式专家系统-202211600223.2
- 徐娜;孔志伟;张佳蕾;蒋恩超;石致远;彭凡;闫富乾 - 东方电气集团科学技术研究院有限公司
- 2022-12-14 - 2023-06-13 - G06N5/043
- 本发明是一种基于中文自然语言处理的分布式专家系统,该系统以广泛需求的工业设备故障诊断为对象,针对分布式工业园区应用场景,借助中文自然语言处理工具,依托中心专家系统和本地专家系统协同开展故障诊断;中心专家系统负责综合、分析及处理各个园区设备故障数据,本地专家系统负责基于本地存储的故障数据基础,开展基于现场的故障诊断;本地专家系统数据由中心专家系统更新。本发明通过建立设备故障数据的数字化管理平台,解决以往工业故障诊断过程中“师带徒”模式和单一独立的故障诊断系统存在的效率低下、鲁棒性、准确性不足的问题。
- 从机器学习模型中移除不期望的推断-202180063274.3
- 阿尔扎马·科特里瓦拉;安德烈亚斯·波奇卡;本杰明·克洛珀;马塞洛·迪克斯 - ABB瑞士股份有限公司
- 2021-08-04 - 2023-05-23 - G06N5/043
- 提供了一种用于从机器学习模型(102)中移除不期望的推断的方法和系统(100)。该系统包括搜索组件(118)。所述搜索组件(118)被配置为接收由所述机器学习模型(102)提供的模型输出(106)的拒绝说明(110);通过从曾被用于训练所述机器学习模型(102)的训练数据(104)中选择训练样本来标识要遗忘的数据样本(120),所选择的训练样本和根据所计算的相似性度量与所述拒绝说明相似的说明相关联;以及将要遗忘的所述数据样本(120)传递到机器遗忘单元(122)。
- 一种智能体处理信息的方法及智能体-201910699100.0
- 杨强;宋阳秋;梁颖琪;吕正东 - 华为技术有限公司
- 2013-12-30 - 2023-05-23 - G06N5/043
- 本申请涉及人工智能领域,公开一种智能体处理信息的方法及智能体,适用于对社交网络中的信息进行学习以及处理时采用。本发明实施例通过第一智能体向第二智能体发送请求消息,所述请求消息包括向所述第二智能体发出的邀请消息或者推荐消息;第一智能体接收第二智能体反馈的决策消息,决策消息为第二智能体根据邀请消息或者推荐消息以及第二智能体的自身知识模型确定的消息;根据决策消息,第一智能体更新自身知识模型或者向第一智能体对应的第一用户账户发送通知消息。采用本发明实施例提供的技术方案可以通过与其他智能体的交互对社交网络中的信息学习以及处理,实现对社交网络上的数据的挖掘。
- 数据处理方法、装置及电子设备、存储介质-202211710784.8
- 陈晨;乔阳;陈飞 - 北京京深深向科技有限公司
- 2022-12-29 - 2023-03-28 - G06N5/043
- 本申请公开了一种数据处理方法、装置及电子设备、存储介质,所述方法包括:根据规则编排包预先在规则池中生成预设规则;通过计算引擎包接收车联网智能驾驶实时数据并监听所述规则池中的预设规则;在所述计算引擎包中将所述车联网智能驾驶实时数据以及所述预设规则进行融合,得到车辆数据流;通过所述计算引擎包将所述车辆数据流分发至分布式计算单元,用以校验所述车联网智能驾驶实时数据是否符合对应的所述预设规则。通过本申请实现了对海量车辆网数据的规则计算的实时性以及高效性。
- 一种分布式知识提取方法、装置、设备和介质-202310096470.1
- 林韶军;黄炳裕;戴文艳;何凯;吕烽;黄河;何亦龙 - 长威信息科技发展股份有限公司
- 2023-02-10 - 2023-03-14 - G06N5/043
- 本发明提供一种分布式知识提取方法、装置、设备和介质,包括对非结构化、半结构化、结构化数据源的字段类型进行标准化处理;通过可视化配置界面配置知识提取的两个环节构建执行任务参数,将任务发送给分布式知识提取引擎转换优先分配给负载最小的计算节点;计算节点启动任务执行器取出管道信息,初始化完毕后启动管道;采集数据源的数据并进行转换和处理后写入到知识图谱中。本发明用户可以在线基于可视化配置实现多个数据源和多个本体对象的知识提取映射,并且提供丰富的转换算子实现数据处理和字段映射,可兼容非结构化、半结构和结构化数据源知识提取,针对大数据量可根据任务和数据量自动分配至分布式集群,高性能实现知识提取。
- 专利分类