-
公开(公告)号：CN112884164B
公开(公告)日：2023-06-23
申请号：CN202110289436.7
申请日：2021-03-18
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种包括分布在不同地址的多个设备(1)、智能移动终端(2)；每个设备(1)包括数据清理模块(3)、数据传感模块(6)和数据读取模块(11)；数据训练融合子模块(4)，所述数据训练融合子模块(4)设置于部分所述设备(1)上；数据训练联合模块(5)，所述数据训练联合模块(5)设置于所述智能移动终端(2)上；所有所述设备(1)都包括单机存储模块(7)，设置有所述数据训练融合子模块(4)的所述设备(1)上设置局域数据存储模块(8)，设置有所述数据训练联合模块(5)的所述设备(1)设置有全局数据存储模块(9)。本发明通过对设备和移动设备数据通信连接采用标准化接口模式，从而使得运算模块可以同时对接多个需要进行联邦机器学习的系统，使得数据训练成本更低，增加了系统的可移植性。
-
公开(公告)号：CN112884164A
公开(公告)日：2021-06-01
申请号：CN202110289436.7
申请日：2021-03-18
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种包括分布在不同地址的多个设备(1)、智能移动终端(2)；每个设备(1)包括数据清理模块(3)、数据传感模块(6)和数据读取模块(11)；数据训练融合子模块(4)，所述数据训练融合子模块(4)设置于部分所述设备(1)上；数据训练联合模块(5)，所述数据训练联合模块(5)设置于所述智能移动终端(2)上；所有所述设备(1)都包括单机存储模块(7)，设置有所述数据训练融合子模块(4)的所述设备(1)上设置局域数据存储模块(8)，设置有所述数据训练联合模块(5)的所述设备(1)设置有全局数据存储模块(9)。本发明通过对设备和移动设备数据通信连接采用标准化接口模式，从而使得运算模块可以同时对接多个需要进行联邦机器学习的系统，使得数据训练成本更低，增加了系统的可移植性。
-
公开(公告)号：CN112884163B
公开(公告)日：2023-06-23
申请号：CN202110289049.3
申请日：2021-03-18
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于联邦机器学习算法与云端反馈的组合服务评估方法与系统，包括分布在不同地址的多个设备(1)、云端联邦机器学习服务器(2)、联邦数据训练模块(5)和全局数据存储模块(9)；将所述设备(1)分成数个分组(13)，每个所述分组(13)包括一定数量的所述设备(1)，每个所述设备(1)包括数据预处理模块(3)、数据传感模块(6)、单机存储模块(7)和数据读取模块(11)；所述云端联邦机器学习服务器(2)分别和联邦数据训练模块(5)和全局数据存储模块(9)数据通信连接。本发明通过采用分组联邦学习的模式，采用分组，利用小分组的计算能力小，对数据运行能力小的部分，放在小分组中，而数据运算能源需求高的计算部分，放在云端，从而可以利用运算能力更强的本地数据运输模块去进行最后大型运算需求的部分，提供更加优质和高效的模型构建方法和系统。
-
公开(公告)号：CN112884163A
公开(公告)日：2021-06-01
申请号：CN202110289049.3
申请日：2021-03-18
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于联邦机器学习算法与云端反馈的组合服务评估方法与系统，包括分布在不同地址的多个设备(1)、云端联邦机器学习服务器(2)、联邦数据训练模块(5)和全局数据存储模块(9)；将所述设备(1)分成数个分组(13)，每个所述分组(13)包括一定数量的所述设备(1)，每个所述设备(1)包括数据预处理模块(3)、数据传感模块(6)、单机存储模块(7)和数据读取模块(11)；所述云端联邦机器学习服务器(2)分别和联邦数据训练模块(5)和全局数据存储模块(9)数据通信连接。本发明通过采用分组联邦学习的模式，采用分组，利用小分组的计算能力小，对数据运行能力小的部分，放在小分组中，而数据运算能源需求高的计算部分，放在云端，从而可以利用运算能力更强的本地数据运输模块去进行最后大型运算需求的部分，提供更加优质和高效的模型构建方法和系统。
-
-
-
Search Results
4
records
(took 0.017 seconds)
