-
Patent Agency Ranking
公开(公告)号：CN119692431A
公开(公告)日：2025-03-25
申请号：CN202411324981.5
申请日：2024-09-23
Applicant: 罗伯特·博世有限公司
Abstract: 利用联邦学习训练神经网络的方法和系统。服务器维持的机器学习模型从服务器发送到客户端，从而产生本地机器学习模型。在每个客户端处，利用本地数据训练所述模型，以基于基础模型确定相应交叉熵损失和蒸馏损失。在每个客户端处，基于所述损失更新每个本地机器学习模型的相应权重。将更新的权重传输到服务器，而不传输本地存储的数据；然后将它们聚合并传输回客户端。在每个客户端处，利用聚合的更新的权重更新本地机器学习模型。
-
公开(公告)号：CN119227776A
公开(公告)日：2024-12-31
申请号：CN202410856028.9
申请日：2024-06-28
Applicant: 罗伯特·博世有限公司
IPC: G06N3/098
Abstract: 具有模型多样性的联邦学习。公开了用于机器学习环境中的联邦学习的方法和系统。将多个服务器维护的机器学习模型的至少部分从服务器发送到多个客户端，从而产生多个本地机器学习模型。在每个客户端处，用本地存储在该相应客户端处的本地存储的数据来训练多个本地机器学习模型。确定多个本地机器学习模型中的每一个的相应损失，并且更新多个本地机器学习模型中的每一个的相应权重。来自每个客户端的相应更新的权重被传送到服务器，而不传送客户端的本地存储的数据。在服务器处，用从每个客户端发送的更新的权重来训练多个服务器维护的机器学习模型。
-
公开(公告)号：CN119693671A
公开(公告)日：2025-03-25
申请号：CN202411325380.6
申请日：2024-09-23
Applicant: 罗伯特·博世有限公司
IPC: G06V10/764 , G06V20/70 , G06V10/82 , G06F40/186 , G06N3/045 , G06N3/08 , G06N20/00
Abstract: 一种使用视觉‑语言模型(VLM)来生成文本驱动提示和类别预测概率的方法，包括：接收与图像的多个候选类别相关联的候选类别名称，基于候选类别名称的文本描述来生成类别文本词元，以及使用提示生成器来生成多个上下文提示向量。上下文提示向量定义了与要由VLM执行的图像分类任务相关联的上下文信息。所述方法进一步包括：通过将相应的类别文本词元附加到多个候选类别中的每一个的上下文提示向量来针对多个候选类别中的每一个生成提示，以及使用VLM基于多个上下文提示向量来生成并输出样本图像的类别预测概率。
-
公开(公告)号：CN119692432A
公开(公告)日：2025-03-25
申请号：CN202411325107.3
申请日：2024-09-23
Applicant: 罗伯特·博世有限公司
Abstract: 利用联邦学习训练神经网络的方法和系统。机器学习模型从服务器发送到客户端，从而产生本地机器学习模型。在每个客户端处，利用本地存储的数据训练该模型，包括确定多个本地机器学习模型中的每一个的相应交叉熵损失。更新每个本地模型的权重，并将该权重传输到服务器而不传输本地存储的数据。传输的权重在服务器处被聚合以获得聚合的服务器维持的机器学习模型。在服务器处，生成基于基础模型的蒸馏损失。更新聚合的服务器维持的机器学习以获得聚合的相应权重，聚合的相应权重被传输到客户端以在本地模型中更新。
-
公开(公告)号：CN119227777A
公开(公告)日：2024-12-31
申请号：CN202410870081.4
申请日：2024-07-01
Applicant: 罗伯特·博世有限公司
Abstract: 用于利用联邦学习对神经网络进行训练的方法和系统。将服务器维护的机器学习模型从服务器发送到多个客户端，从而产生本地机器学习模型。在每个客户端处，利用在该相应客户端处本地存储的本地存储数据对本地机器学习模型进行训练。针对本地机器学习模型中的每一个，确定相应损失并更新权重。将经更新的权重传递到服务器，以用于更新服务器维护的机器学习模型，以用于训练那些模型。如果客户端之一断开或以其他方式不能够接收服务器维护的模型，则该断开的客户端可以连接到相邻客户端，从而从那些相邻客户端接收模型，并利用断开的客户端自身的本地存储数据对那些模型进行训练。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
