Processing

Please wait...

PATENTSCOPE will be unavailable a few hours for maintenance reason on Tuesday 25.01.2022 at 9:00 AM CET
Settings

Settings

Goto Application

1. WO2022005937 - SYSTEM AND METHOD FOR DECENTRALIZED FEDERATED LEARNING

Publication Number WO/2022/005937
Publication Date 06.01.2022
International Application No. PCT/US2021/039318
International Filing Date 28.06.2021
IPC
G06N 20/00 2019.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
Applicants
  • TIESET, INC. [US]/[US]
Inventors
  • NAKAYAMA, Kiyoshi
  • ISHIGAKI, Genya
Agents
  • SAWADA, Tatsuya
  • MORTON, Eric
  • LIU, Jiameng
  • OKANO, Yamato
  • NAKAJIMA, Kenji
Priority Data
17/359,38325.06.2021US
63/046,07930.06.2020US
63/049,91109.07.2020US
63/072,56431.08.2020US
63/073,02801.09.2020US
Publication Language English (en)
Filing Language English (EN)
Designated States
Title
(EN) SYSTEM AND METHOD FOR DECENTRALIZED FEDERATED LEARNING
(FR) SYSTÈME ET PROCÉDÉ D’APPRENTISSAGE FÉDÉRÉ DÉCENTRALISÉ
Abstract
(EN) A system for decentralized federated learning is provided. The system 10 comprises agents 20 and aggregators 30 coupled to a communication network. Each agent 20 comprises a data collector collecting raw data; a memory storing the collected raw data and a local machine learning model; and a processor training the local machine learning model. Each aggregator 30 comprises a model collector collecting the local machine learning models; a memory storing the collected local machine learning models; and a processor creating a cluster machine learning model from the local machine learning models. The aggregators 30 communicate with each other and exchange the cluster machine learning models to create a semi-global machine learning model. Each of the aggregators sends the semi-global machine learning model to the associated agents 20. Each of the agents 20 updates the local machine learning model with the semi-global machine learning model.
(FR) L'invention concerne un système pour un apprentissage fédéré décentralisé. Le système (10) comprend des agents (20) et des agrégateurs (30) couplés à un réseau de communication. Chaque agent (20) comprend un collecteur de données collectant des données brutes ; une mémoire stockant les données brutes collectées et un modèle d'apprentissage automatique local ; et un processeur entraînant le modèle d'apprentissage automatique local. Chaque agrégateur (30) comprend un collecteur de modèle collectant les modèles d'apprentissage automatique locaux ; une mémoire stockant les modèles d'apprentissage automatique locaux collectés ; et un processeur créant un modèle d'apprentissage automatique en grappe à partir des modèles d'apprentissage automatique locaux. Les agrégateurs (30) communiquent les uns avec les autres et échangent les modèles d'apprentissage automatique en grappe pour créer un modèle d'apprentissage automatique semi-global. Chacun des agrégateurs envoie le modèle d'apprentissage automatique semi-global aux agents (20) associés. Chacun des agents (20) met à jour le modèle d'apprentissage automatique local avec le modèle d'apprentissage automatique semi-global.
Related patent documents
Latest bibliographic data on file with the International Bureau