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 > 恭喜京东科技控股股份有限公司杨恺获国家专利权

恭喜京东科技控股股份有限公司杨恺获国家专利权

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!

龙图腾网恭喜京东科技控股股份有限公司申请的专利联邦学习模型的训练方法、装置、电子设备和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:CN113947211B

龙图腾网通过国家知识产权局官网在2025-05-16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:202111183940.5,技术领域涉及:G06N20/00;该发明授权联邦学习模型的训练方法、装置、电子设备和存储介质是由杨恺;王虎;黄志翔;彭南博设计研发完成,并于2021-10-11向国家知识产权局提交的专利申请。

联邦学习模型的训练方法、装置、电子设备和存储介质在说明书摘要公布了:本申请提出一种联邦学习模型的训练方法、装置、电子设备和存储介质,其中,训练方法包括:与数据提供方服务器进行样本对齐;根据业务方服务器和数据提供方服务器的特征数量分别对业务方服务器和数据提供方服务器的特征进行编号,以生成特征编码集,以及将数据提供方服务器的特征编号和公钥发送至数据提供方服务器;获取联邦学习模型的当前样本集和训练参数集;根据当前样本集、训练参数集和特征编码集,对联邦学习模型进行M次迭代训练;以及获取第M次迭代训练得到的联邦学习模型的目标参数。由此,能够在保证建模效果的同时减少建模的复杂度,从而使业务方服务器与数据提供方服务器之间的联合训练更加高效,进而提高了建模效率。

本发明授权联邦学习模型的训练方法、装置、电子设备和存储介质在权利要求书中公布了:1.一种联邦学习模型的训练方法,其特征在于,包括:与数据提供方服务器进行样本对齐;分别获取业务方服务器和所述数据提供方服务器的特征数量,并根据所述特征数量分别对所述业务方服务器和所述数据提供方服务器的特征进行编号,以生成特征编码集,以及将所述数据提供方服务器的特征编号和公钥发送至所述数据提供方服务器;获取联邦学习模型的当前样本集和训练参数集;根据所述当前样本集、所述训练参数集和所述特征编码集,对所述联邦学习模型进行M次迭代训练,其中,所述M为大于1的正整数;以及获取第M次所述迭代训练得到的所述联邦学习模型的目标参数;其中,所述训练参数集包括特征采样率、训练样本上限值、训练样本下限值、决策树棵数上限值、决策树棵数下限值、第一参数变化速度和第二参数变化速度;其中,所述每次迭代训练,包括:将所述M次迭代训练中当前的迭代训练作为第N次迭代训练,其中,所述N为小于所述M的正整数;根据所述M、所述N、所述训练样本上限值、所述训练样本下限值和所述第一参数变化速度,生成样本采样率;根据所述M、所述N、所述决策树棵数上限值、所述决策树棵数下限值和所述第二参数变化速度,生成目标棵数;从所述当前样本集中选取所述样本采样率的样本以生成目标训练集;从所述特征编码集中选取所述特征采样率的特征编码以生成目标特征编码集;将所述目标训练集中每个样本的编号,以及所述目标特征编码集中所述数据提供方服务器的目标特征编号发送至所述数据提供方服务器;根据所述目标训练集、所述目标特征编码集和所述目标棵数,生成所述联邦学习模型的目标参数;基于梯度提升算法,并根据所述目标参数和所述联邦学习模型,生成所述当前样本的优化标签,其中,所述优化标签为下一轮迭代训练的所述当前样本的训练标签。

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京东科技控股股份有限公司,其通讯地址为:100176 北京市北京经济技术开发区科创十一街18号C座2层221室;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。