龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：杭州海康威视数字技术股份有限公司
摘要：本申请实施例提供联邦学习环境下高效的知识编辑方法及装置，本申请中这种通过构建教师模型与学生模型使学生模型学习教师模型的方式，来获得满足知识编辑要求的目标模型的方法，与现有技术中通过校准中央服务器中已缓存的历史训练参数来重新训练获得满足知识编辑要求的目标模型的方法相比，无需缓存历史参数，这不仅能够避免隐私泄露，还能避免出现因缓存过多导致的中央服务器运行效率低的问题。并且，本申请提供的这种方法在只需要遗忘部分数据的场景下也能够适用，具有普适性，可以满足用户的不同需求。
主权项：1.一种联邦学习环境下高效的知识编辑方法，其特征在于，该方法应用于客户端，所述方法包括：向中心服务器发起遗忘请求，以触发所述中心服务器向本客户端下发全局模型Fω；所述全局模型Fω是基于训练数据集训练的，所述遗忘请求指示的需要遗忘的遗忘数据为所述客户端本地数据中的部分数据，所述本地数据为所述训练数据集的子集；从所述本地数据中获得除所述遗忘数据之外的各个类别的数据，针对每一类别，由所述全局模型Fω依据该类别的数据确定该类别的质心向量；任一类别的质心向量用于描述本类别数据的特征；从所述全局模型Fω拆分出目标处理层；所述目标处理层是指在所述全局模型Fω训练过程中与所述遗忘数据具有相关性的处理层；以所述目标处理层作为教师模型，并构建与所述教师模型的结构相同的学生模型，利用所述本地数据中除所述遗忘数据之外的剩余数据训练所述学生模型，基于各类别的质心向量、所述教师模型和被训练的学生模型确定训练迭代停止时，基于知识编辑的要求，将训练出的学生模型和所述全局模型参数Fω中的非目标处理层组成目标模型。
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 联邦学习环境下高效的知识编辑方法及装置
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