Traitement en cours

Veuillez attendre...

PATENTSCOPE sera indisponible durant quelques heures pour des raisons de maintenance le mardi 27.07.2021 à 12:00 PM CEST
Paramétrages

Paramétrages

Aller à Demande

1. WO2020156004 - PROCÉDÉ, APPAREIL, ET SYSTÈME D'APPRENTISSAGE DE MODÈLE

Numéro de publication WO/2020/156004
Date de publication 06.08.2020
N° de la demande internationale PCT/CN2019/130091
Date du dépôt international 30.12.2019
CIB
G06N 20/00 2019.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
20Apprentissage automatique
CPC
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
Déposants
  • 创新先进技术有限公司 ADVANCED NEW TECHNOLOGIES CO., LTD.
Inventeurs
  • 陈超超 CHEN, Chaochao
  • 李梁 LI, Liang
  • 周俊 ZHOU, Jun
Mandataires
  • 北京博思佳知识产权代理有限公司 BEIJING BESTIPR INTELLECTUAL PROPERTY LAW CORPORATION
Données relatives à la priorité
201910103212.501.02.2019CN
Langue de publication chinois (ZH)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) MODEL TRAINING METHOD, APPARATUS AND SYSTEM
(FR) PROCÉDÉ, APPAREIL, ET SYSTÈME D'APPRENTISSAGE DE MODÈLE
(ZH) 模型训练方法、装置及系统
Abrégé
(EN)
A method and apparatus for training a linear/logistic regression model. The method comprises: executing the following iteration process until a predetermined condition is met: using, on the basis of current submodels of training participants and corresponding feature sample subsets, a secret sharing matrix addition to obtain the current predicted value of the linear/logistic regression model; determining a predicted difference between the current predicted value and a corresponding tag value, and sending same to second training participants so as to update respective current submodels at the second training participants; and updating, on the basis of the product of the current submodels of first training participants and the corresponding feature sample subsets, and the determined predicted difference, the current submodels of the first training participants. When the iteration process is not ended, the updated current submodels of the training participants are used as current submodels of the next iteration process. The method can improve the model training efficiency while ensuring the security of data of parties.
(FR)
L'invention concerne un procédé et un appareil d'apprentissage d'un modèle de régression linéaire/logistique. Le procédé consiste à : exécuter le processus d'itération suivant jusqu'à ce qu'une condition prédéfinie soit satisfaite : exécuter, sur la base de sous-modèles courants de participants à l'apprentissage et de sous-ensembles d'échantillons de caractéristiques correspondants, une addition matricielle de partage de secret pour obtenir la valeur prédite courante du modèle de régression linéaire/logistique ; déterminer une différence prédite entre la valeur prédite courante et une valeur d'étiquette correspondante, et l'envoyer à des seconds participants à l'apprentissage de façon à mettre à jour des sous-modèles courants respectifs au niveau des seconds participants à l'apprentissage ; et mettre à jour, sur la base du produit des sous-modèles courants de premiers participants à l'apprentissage et des sous-ensembles d'échantillons de caractéristiques correspondants et de la différence prédite déterminée, les sous-modèles courants des premiers participants à l'apprentissage. Lorsque le processus d'itération n'est pas terminé, les sous-modèles courants mis à jour des participants à l'apprentissage interviennent en tant que sous-modèles courants du processus d'itération suivant. Le procédé permet d'améliorer l'efficacité d'apprentissage de modèle tout en garantissant la sécurité de données de parties.
(ZH)
用于训练线性/逻辑回归模型的方法和装置,该方法包括:执行下述迭代过程,直到满足预定条件:基于各个训练参与方的当前子模型以及对应的特征样本子集,使用秘密共享矩阵加法来获得线性/逻辑回归模型的当前预测值;确定当前预测值与对应的标记值之间的预测差值并发送给各个第二训练参与方,以供在各个第二训练参与方处来更新各自的当前子模型;以及基于第一训练参与方的当前子模型以及对应的特征样本子集与所确定出的预测差值之积来更新第一训练参与方的当前子模型。在迭代过程未结束时,更新后的各个训练参与方的当前子模型被用作下一迭代过程的当前子模型。该方法能够在保证各方数据安全的情况下提高模型训练的效率。
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international