龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：杭州海康威视数字技术股份有限公司
申请日：2022-12-27
公开（公告）日：2024-06-28
公开（公告）号：CN118261273A
主分类号：G06N20/20
分类号：G06N20/20;G06F18/214;G06F18/25;G06N3/04;G06N3/098
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本申请实施例提供了联邦网络模型的训练方法、任务预测方法、装置及设备，涉及机器学习技术领域。其中，一种联邦网络模型的训练方法，包括：获取多个特征提取子模型分别针对目标样本对象所提取的数据特征；将所获取的各个数据特征输入特征交互子模型，以使特征交互子模型利用所接收的数据特征，构建目标样本对象的多维数据特征，获取各个特征维度分别对应的权重信息，并利用所获取的权重信息，对目标样本对象的多维数据特征中的特征内容进行加权处理，得到融合特征；将融合特征输入结果预测子模型，得到目标样本对象的针对预定分析任务的预测结果；基于预测结果，对联邦网络模型进行训练。可见，本方案可以提高模型训练结果的准确性。
主权项：1.一种联邦网络模型的训练方法，其特征在于，所述联邦网络模型包括多个特征提取子模型，以及，特征交互子模型和结果预测子模型，每一特征提取子模型分别部署于一训练参与方侧；所述方法包括：获取所述多个特征提取子模型分别针对目标样本对象所提取的数据特征；将所获取的各个数据特征输入所述特征交互子模型，以使所述特征交互子模型利用所接收的数据特征，构建所述目标样本对象的多维数据特征，获取各个特征维度分别对应的权重信息，并利用所获取的权重信息，对所述目标样本对象的多维数据特征中的特征内容进行加权处理，得到融合特征；其中，各个特征维度为所述目标样本对象的多维数据特征的特征维度，每一特征维度对应的权重信息是利用关于各个参考样本对象的该特征维度下特征内容之间的变化程度，所生成的权重信息；将所述融合特征输入所述结果预测子模型，得到所述目标样本对象的针对预定分析任务的预测结果；基于所述预测结果，对所述联邦网络模型进行训练。
全文数据：
权利要求：
百度查询： 杭州海康威视数字技术股份有限公司 联邦网络模型的训练方法、任务预测方法、装置及设备
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号