-
公开(公告)号：CN111104954B
公开(公告)日：2023-11-14
申请号：CN201811259704.5
申请日：2018-10-26
Applicant: 华为云计算技术有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种对象分类的方法，在训练过程中，构建端云结合对象分类模型，所述端云结合对象分类模型包括端模型和云模型；根据至少一个训练对象训练所述端云结合对象分类模型；存储训练完毕的所述云模型和所述端模型。在推理过程中，端计算设备运行端模型获得端模型推理结果，当所述端模型推理结果的置信度小于或等于阈值时，将所述端模型输出的特征向量发送至云计算设备上运行的云模型，在云计算设备上根据云模型对所述端计算设备发送的端模型输出的特征向量进行推理，获得云模型推理结果；当所述端模型推理结果的置信度大于阈值时，端模型输出所述端模型推理结果。通过该端云结合对象分类的方法，提升了对象分类的精度。
-
公开(公告)号：CN115943394A
公开(公告)日：2023-04-07
申请号：CN202080061690.5
申请日：2020-09-09
Applicant: 华为云计算技术有限公司
IPC: G06N20/00
Abstract: 通过以下方式使用安全纵向联邦学习来学习机器学习模型：网络机器学习模型从多个私有机器学习模型接收一组私有机器学习模型输出。所述一组私有机器学习模型输出基于所述多个私有机器学习模型中的每一个独占拥有的数据。所述一组私有机器学习模型输出基于所述数据的样本ID对齐。所述网络机器学习模型提供预测，所述预测为所述网络模型基于所述一组私有机器学习模型输出的输出。所述网络模型向所述多个私有机器学习模型中的一个传输所述预测，所述多个私有机器学习模型中的所述一个包括标签。所述网络模型从所述多个私有机器学习模型中的所述一个接收基于所述标签和所述预测的损失，基于所述损失计算梯度，并基于所述损失更新所述网络模型的参数。
-
公开(公告)号：CN119849656A
公开(公告)日：2025-04-18
申请号：CN202411362543.8
申请日：2024-09-27
Applicant: 华为云计算技术有限公司
Abstract: 本发明提供了一种对大型语言模型(large language model，LLM)生成线性规划应用题(linear programming word problem，LPWP)的准确假设模型(hypothesis model，HM)的能力进行评估的方法。该HM的属性二分图被变换为该LPWP的地面真值模型的属性二分图。变换所需的变换步骤的数量有效地衡量该LLM生成准确HM的能力。使用属性二分图为LPWP变量和约束提供了顺序不变性。本发明还提供了对应的装置和系统。
-
公开(公告)号：CN117377970A
公开(公告)日：2024-01-09
申请号：CN202280036587.4
申请日：2022-01-20
Applicant: 华为云计算技术有限公司
Inventor： 王晨迪 , 阿明·巴尼塔莱比·德科迪 , 王岚君 , 张勇
IPC: G06Q30/02
Abstract: 一种数据共享系统，用于将数据提供者的数据集共享给数据消费者，并响应于所述数据共享将激励从所述数据消费者转移到所述数据提供者。所述系统包括一个多角度联盟引导数据估值模块，用于在所述数据消费者之间公平分配激励。所述系统还包括灵活场景路由数据集比较模块，用于评估所述数据提供者通过多个评估路由中的一个评估路由提供的数据。所述系统提供了计算机云的增强使用，并实现数据联盟和不断增长的人工智能(artificial intelligence，AI)超级模型的容量来实现可持续的数据共享。此外，所述系统还使用基于核心集的夏普利估值方法进行高效的数据估值。
-
公开(公告)号：CN119856187A
公开(公告)日：2025-04-18
申请号：CN202280098976.X
申请日：2022-08-11
Applicant: 华为云计算技术有限公司
IPC: G06N20/00
Abstract: 描述了联合学习的方法和系统。联合学习系统中的客户端从中央服务器接收一组全局参数。所述客户端使用所述一组全局参数更新本地模型，所述本地模型为应用所述一组全局参数的全局模型和至少一个本地预测器的组合。所述客户端使用更新后的本地模型和本地数据集计算模型更新，并将所述模型更新传输到所述中央服务器。
-
Patent Agency Ranking
公开(公告)号：CN118176500A
公开(公告)日：2024-06-11
申请号：CN202380014041.3
申请日：2023-04-04
Applicant: 华为云计算技术有限公司
Inventor： 古西姆兰·辛格 , 阿纳夫·塔兹瓦尔·阿尤布 , 王晨迪 , 王岚君 , 张勇
IPC: G06F18/214
Abstract: 本申请描述了系统、方法和计算机可读介质，用于：第一实体生成表示一组对应的原始数据样本的一组合成数据样本；所述第一实体发送所述一组合成数据样本，用于第二实体使用机器学习(machine learning，ML)模型针对所述一组合成数据样本生成一组第二实体预测，所述机器学习模型已经使用第二实体数据集进行训练；所述第一实体向第三实体发送对应于所述一组原始数据样本的一组可信标签；所述第一实体从所述第三实体接收所述第二实体数据集的评估信息，所述评估信息基于所述第三实体对所述一组可信标签与所述一组第二实体预测的比较。
-
公开(公告)号：CN117999562A
公开(公告)日：2024-05-07
申请号：CN202280060951.0
申请日：2022-09-07
Applicant: 华为云计算技术有限公司
IPC: G06N3/098 , G06N3/0464 , G06N3/045
Abstract: 本文描述了用于量化联邦学习中的客户端贡献的方法和系统。使用多个客户端进行多轮训练。在每轮训练中，从选择的客户端接收更新，使用所述接收到的更新计算每轮训练的一个或多个效用函数值，并将所述计算出的效用函数值存储在效用矩阵中。在所述多轮训练之后，通过计算补全的效用矩阵来补全所述效用矩阵的缺失元素。使用所述补全的效用矩阵计算每个客户端的贡献分数。
-
公开(公告)号：CN117396850A
公开(公告)日：2024-01-12
申请号：CN202180098671.4
申请日：2021-05-28
Applicant: 华为云计算技术有限公司
IPC: G06F9/50
Abstract: 描述了用于为深度学习作业弹性分配资源的系统、方法和处理器可读介质。云计算系统的机器学习即服务(machine‑learning‑as‑a‑service，MLaaS)包括弹性训练模块，所述弹性训练模块包括用于将资源分配给训练作业的资源分配器，所述资源分配器优化所述系统接收的所有训练作业的总体估计完成时间(estimated time to completion，ETC)并使用基于节点的资源分配。所述弹性训练模块可以实现相对于现有方法的高资源利用率、短训练时间和低排队延迟的组合，从而潜在地可以针对向用户(即，客户)提供MLaaS的云计算系统实现更高利润。描述了一种改进的用户界面，使用户能够指定要弹性分配给所述用户的训练作业的资源范围，和/或通知所述用户通过使用弹性资源分配节省的训练时间。
-
公开(公告)号：CN117355845A
公开(公告)日：2024-01-05
申请号：CN202180098342.X
申请日：2021-06-18
Applicant: 华为云计算技术有限公司
Inventor： 阿明·巴尼塔莱比·德科迪 , 康馨予 , 白小龙 , 张勇
Abstract: 一种用于生成基于一组源神经网络(neural network，NN)模型的复合NN模型的方法和系统，包括：向每个源NN模型提供包括多个输入样本的数据集；从每个源NN模型接收所述数据集的所述输入样本的相应标签预测集；从所述接收到的标签预测集中选择代表性标签预测用作所述输入样本的伪标签；使用所述伪标签和所述输入样本对目标NN模型执行监督训练，以生成所述复合NN模型。
-
公开(公告)号：CN116745780A
公开(公告)日：2023-09-12
申请号：CN202180069300.3
申请日：2021-02-06
Applicant: 华为云计算技术有限公司
IPC: G06N20/00
Abstract: 描述了用于去中心化联邦学习的方法和系统。参与本地机器学习模型训练的每个客户端标识与客户端自身直接通信的一个或多个相邻客户端。每个客户端向其相邻客户端发送本地模型的加权系数和本地模型参数集。每个客户端还从其相邻客户端接收相应的本地模型参数集和相应的加权系数。每个客户端使用所述接收到的本地模型参数集的加权聚合更新其自己的本地模型参数集，每个接收到的本地模型参数集是使用所述接收到的相应的加权系数加权的。每个客户端使用机器学习算法和其自己的本地数据集训练其本地机器学习模型。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.047 seconds)
