Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 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 > 腾讯科技(深圳)有限公司吴秉哲获国家专利权

腾讯科技(深圳)有限公司吴秉哲获国家专利权

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!

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利一种模型训练的方法、相关装置、设备以及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:CN114334036B

龙图腾网通过国家知识产权局官网在2025-11-14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:202111417472.3,技术领域涉及:G16C20/50;该发明授权一种模型训练的方法、相关装置、设备以及存储介质是由吴秉哲设计研发完成,并于2021-11-25向国家知识产权局提交的专利申请。

一种模型训练的方法、相关装置、设备以及存储介质在说明书摘要公布了:本申请公开了一种基于联邦学习的模型训练方法,涉及人工智能领域。本申请包括:获取K个分子样本特征以及K个分子标注特征;根据贝塔分布确定K个特征混合基数;根据K个特征混合基数、K个分子样本特征以及K个分子标注特征,生成混合分子样本的目标分子样本特征以及目标分子标注特征;根据目标分子样本特征以及目标分子标注特征,获取针对本地模型的第一局部梯度值,当满足模型训练条件时,得到第二局部梯度值;向中心设备发送第二局部梯度值。本申请还提供了相关装置、设备及存储介质。本申请能够消除噪声的影响,从而提升模型的鲁棒性。此外,在联邦学习框架下多个机构可共同训练一个全局模型,有利于提升模型预测的准确性。

本发明授权一种模型训练的方法、相关装置、设备以及存储介质在权利要求书中公布了:1.一种模型训练的方法,其特征在于,应用于本地设备;所述方法包括: 获取K个分子样本特征以及K个分子标注特征,其中,所述分子样本特征与所述分子标注特征具有对应关系,所述K为大于1的整数; 获取满足贝塔分布的至少三个随机数; 根据所述至少三个随机数之和,对每个随机数进行归一化,得到所述每个随机数所对应的特征混合基数,其中,所述至少三个随机数所对应的特征混合基数之和为1;所述K个分子样本特征包括至少三个分子样本特征,所述K个分子标注特征包括至少三个分子标注特征; 采用所述每个随机数所对应的特征混合基数,对所述至少三个分子样本特征进行加权求和,得到混合分子样本的目标分子样本特征; 采用所述每个随机数所对应的特征混合基数,对所述至少三个分子标注特征进行加权求和,得到所述混合分子样本的目标分子标注特征;所述K个分子样本特征以及所述K个分子标注特征源于K个分子样本;所述K个分子样本包括有噪声的分子样本和无噪声的分子样本; 根据所述目标分子样本特征以及所述目标分子标注特征,获取针对本地模型的第一局部梯度值,当满足模型训练条件时,得到第二局部梯度值; 向中心设备发送所述第二局部梯度值; 所述K个分子样本是所述本地设备通过以下方式获取到的: 向目标本地设备发送数据调用请求;所述目标本地设备与所述本地设备属于不同的机构; 若所述目标本地设备对所述数据调用请求鉴权通过,则从所述目标本地设备中获取P个分子样本,其中,所述P为大于或等于1的整数; 从本地数据库中获取Q个分子样本,其中,所述Q为大于或等于1的整数; 将所述P个分子样本和所述Q个分子样本作为所述K个分子样本。

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腾讯科技(深圳)有限公司,其通讯地址为:518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层;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”。

以上内容由龙图腾AI智能生成。

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。