Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020114184 - PROCÉDÉ, APPAREIL ET DISPOSITIF DE MODÉLISATION CONJOINTE, ET SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR

Numéro de publication WO/2020/114184
Date de publication 11.06.2020
N° de la demande internationale PCT/CN2019/116081
Date du dépôt international 06.11.2019
CIB
G06N 3/08 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
CPC
G06F 30/20
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
30Computer-aided design [CAD]
20Design optimisation, verification or simulation
G06Q 10/04
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
10Administration; Management
04Forecasting or optimisation, e.g. linear programming, "travelling salesman problem" or "cutting stock problem"
Déposants
  • 深圳前海微众银行股份有限公司 WEBANK CO.,LTD [CN]/[CN]
Inventeurs
  • 刘洋 LIU, Yang
  • 范涛 FAN, Tao
  • 陈天健 CHEN, Tianjian
  • 杨强 YANG, Qiang
Mandataires
  • 深圳市世纪恒程知识产权代理事务所 CENFO INTELLECTUAL PROPERTY AGENCY
Données relatives à la priorité
201811501956.407.12.2018CN
Langue de publication chinois (ZH)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) JOINT MODELING METHOD, APPARATUS AND DEVICE, AND COMPUTER-READABLE STORAGE MEDIUM
(FR) PROCÉDÉ, APPAREIL ET DISPOSITIF DE MODÉLISATION CONJOINTE, ET SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR
(ZH) 联合建模方法、装置、设备以及计算机可读存储介质
Abrégé
(EN)
Disclosed is a joint modeling method, comprising: initializing model parameters, and transmitting the initialized model parameters to all data nodes (S10); acquiring random loss gradient values in a neutral coordinator, dividing the random loss gradient values into first loss gradient values equal to the total number of data nodes, and distributing the first loss gradient values to the data nodes (S20); acquiring second loss gradient values of the data nodes based on the model parameters and the first loss gradient values (S30); transmitting the second loss gradient values to the neutral coordinator, and determining real loss gradient values of the data nodes according to the second loss gradient values and the random loss gradient values (S40); updating the model parameters based on the real loss gradient values to construct a model (S50), and determining whether the model converges; and if the model converges, model construction being completed (S60).
(FR)
L'invention concerne un procédé de modélisation conjointe, comportant les étapes consistant à: initialiser des paramètres de modèle, et transmettre les paramètres de modèle initialisés à tous les nœuds de données (S10); acquérir des valeurs aléatoires de gradient de pertes dans un coordinateur neutre, diviser les valeurs aléatoires de gradient de pertes en premières valeurs de gradient de pertes égales au nombre total de nœuds de données, et distribuer les premières valeurs de gradient de pertes aux nœuds de données (S20); acquérir des secondes valeurs de gradient de pertes des nœuds de données d'après les paramètres de modèle et les premières valeurs de gradient de pertes (S30); transmettre les secondes valeurs de gradient de pertes au coordinateur neutre, et déterminer des valeurs réelles de gradient de pertes des nœuds de données d'après les secondes valeurs de gradient de pertes et les valeurs aléatoires de gradient de pertes (S40); actualiser les paramètres de modèle d'après les valeurs réelles de gradient de pertes pour construire un modèle (S50), et déterminer si le modèle converge; et si le modèle converge, la construction du modèle est terminée (S60).
(ZH)
一种联合建模方法,包括:初始化模型参数,并将初始化的模型参数传递给各数据节点(S10);获取中立协调方中的随机损失梯度值,将随机损失梯度值划分为与数据节点的总数量相等的各第一损失梯度值,并将各第一损失梯度值分配至各数据节点(S20);基于模型参数和第一损失梯度值获取各数据节点的第二损失梯度值(S30);将各第二损失梯度值传递到中立协调方,并根据各第二损失梯度值和随机损失梯度值确定数据节点的真实损失梯度值(S40);基于真实损失梯度值更新模型参数以构建模型(S50),并判断模型是否收敛;若模型收敛,则模型已构建完成(S60)。
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international