基于联邦学习系统的分簇数据共享方法、装置及存储介质

    公开(公告)号:CN116233954A

    公开(公告)日:2023-06-06

    申请号:CN202211575350.1

    申请日:2022-12-08

    Abstract: 本发明提供一种基于联邦学习系统的分簇数据共享方法、装置及存储介质,联邦学习系统包括K个分布式设备和中央服务器,K为大于1的整数;方法包括:基于预先设置的分簇算法,将K个分布式设备划分为M个簇;M为小于K的整数,M个簇中存在至少一个包括簇头设备和簇内成员设备的簇;控制各簇中的簇头设备向簇内成员设备共享训练数据;基于预先设置的联邦学习算法,通过各分布式设备的训练数据与所述中央服务器协同迭代训练预先设置的初始模型,得到联邦学习训练后的目标模型。本发明通过对分布式设备进行分簇,由簇头设备向簇内成员设备共享训练数据,减缓了数据异构的程度,减小了联邦学习训练的通信开销,提高了最终训练的目标模型的准确度。

    基于自然语言处理的工业互联网信息模型建模优化方法

    公开(公告)号:CN119669794A

    公开(公告)日:2025-03-21

    申请号:CN202411740368.1

    申请日:2024-11-29

    Abstract: 本发明提供一种基于自然语言处理的工业互联网信息模型建模优化方法,涉及计算机技术领域;所述方法包括:通过将预设数据源和模型提示信息输入预设自然语言处理模型,提取得到建模元素;模型提示信息包括第一阶段提示信息和第二阶段提示信息;基于目标聚类个数将建模元素划分为相应数量的建模元素簇;基于建模元素簇构建信息模型;信息模型用于指示各个建模元素之间的关系;信息模型包括树状结构层,或者树状结构层和网状结构层的组合;其中,树状结构层包括信息模型对应的对象类层、各个建模元素簇对应的簇类别层和各个建模元素簇对应的代表要素层;能够解决信息模型的效果与可靠性较差的问题;提高信息模型的效果和可靠性。

Patent Agency Ranking