-
公开(公告)号：CN117377970A
公开(公告)日：2024-01-09
申请号：CN202280036587.4
申请日：2022-01-20
Applicant: 华为云计算技术有限公司
Inventor： 王晨迪 , 阿明·巴尼塔莱比·德科迪 , 王岚君 , 张勇
IPC: G06Q30/02
Abstract: 一种数据共享系统，用于将数据提供者的数据集共享给数据消费者，并响应于所述数据共享将激励从所述数据消费者转移到所述数据提供者。所述系统包括一个多角度联盟引导数据估值模块，用于在所述数据消费者之间公平分配激励。所述系统还包括灵活场景路由数据集比较模块，用于评估所述数据提供者通过多个评估路由中的一个评估路由提供的数据。所述系统提供了计算机云的增强使用，并实现数据联盟和不断增长的人工智能(artificial intelligence，AI)超级模型的容量来实现可持续的数据共享。此外，所述系统还使用基于核心集的夏普利估值方法进行高效的数据估值。
-
公开(公告)号：CN118228042A
公开(公告)日：2024-06-21
申请号：CN202211595387.0
申请日：2022-12-13
Applicant: 华为云计算技术有限公司
IPC: G06F18/214 , G06F18/211 , G06N20/00
Abstract: 本申请提供一种特征可视化方法，包括获取样本数据集和预测模型；基于预测模型的特征提取层对样本数据集中的N个样本进行特征提取，得到N个特征向量，N为大于1的正整数；从N个样本中确定M个关键样本，关键样本对应的特征向量为对预测结果有主要贡献的特征向量,M为小于N的正整数；基于M个关键样本，确定N个样本的特征可视化结果，其中每个样本的特征可视化结果至少包括每个样本对应的至少一个关键样本。本申请提供的特征可视化方法通过从样本数据集中提取关键样本来对模型学习到的特征进行可视化，实现更好的特征可视化效果。
-
公开(公告)号：CN111104954B
公开(公告)日：2023-11-14
申请号：CN201811259704.5
申请日：2018-10-26
Applicant: 华为云计算技术有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种对象分类的方法，在训练过程中，构建端云结合对象分类模型，所述端云结合对象分类模型包括端模型和云模型；根据至少一个训练对象训练所述端云结合对象分类模型；存储训练完毕的所述云模型和所述端模型。在推理过程中，端计算设备运行端模型获得端模型推理结果，当所述端模型推理结果的置信度小于或等于阈值时，将所述端模型输出的特征向量发送至云计算设备上运行的云模型，在云计算设备上根据云模型对所述端计算设备发送的端模型输出的特征向量进行推理，获得云模型推理结果；当所述端模型推理结果的置信度大于阈值时，端模型输出所述端模型推理结果。通过该端云结合对象分类的方法，提升了对象分类的精度。
-
公开(公告)号：CN115943394A
公开(公告)日：2023-04-07
申请号：CN202080061690.5
申请日：2020-09-09
Applicant: 华为云计算技术有限公司
IPC: G06N20/00
Abstract: 通过以下方式使用安全纵向联邦学习来学习机器学习模型：网络机器学习模型从多个私有机器学习模型接收一组私有机器学习模型输出。所述一组私有机器学习模型输出基于所述多个私有机器学习模型中的每一个独占拥有的数据。所述一组私有机器学习模型输出基于所述数据的样本ID对齐。所述网络机器学习模型提供预测，所述预测为所述网络模型基于所述一组私有机器学习模型输出的输出。所述网络模型向所述多个私有机器学习模型中的一个传输所述预测，所述多个私有机器学习模型中的所述一个包括标签。所述网络模型从所述多个私有机器学习模型中的所述一个接收基于所述标签和所述预测的损失，基于所述损失计算梯度，并基于所述损失更新所述网络模型的参数。
-
公开(公告)号：CN116635866A
公开(公告)日：2023-08-22
申请号：CN202180082723.9
申请日：2021-06-30
Applicant: 华为云计算技术有限公司
IPC: G06N3/02
Abstract: 描述了用于挖掘少数类数据样本的方法和系统。少数类挖掘服务接收由客户端神经网络的内层生成的激活，所述客户端神经网络已经过训练以执行涉及分类的预测任务。所述少数类挖掘服务使用重新校准神经网络生成重新校准激活，并使用异常检测器生成异常检测器输出。根据所述异常检测器输出，针对接收到的激活表示的数据样本计算少数类分数。将所述计算出的少数类分数与少数类阈值进行比较，以标识候选少数类数据样本。然后，可以将所述候选少数类数据样本标记并添加到所述客户端神经网络的训练数据集中。
-
Patent Agency Ranking
公开(公告)号：CN117321692A
公开(公告)日：2023-12-29
申请号：CN202180097197.3
申请日：2021-04-29
Applicant: 华为云计算技术有限公司
IPC: G16B40/00
Abstract: 提供了用于从分子图生成嵌入的方法和系统，可用于候选分子的分类。物理模型用于生成任务相关的特征向量集合，表示所述分子图的局部物理特征。经过训练的嵌入生成器用于生成任务相关的结构嵌入集合，表示顶点集合之中的连接性和所述顶点集合的任务相关特征。所述任务相关的特征向量与所述任务相关的结构嵌入组合，并作为输入提供给经过训练的分类器。所述经过训练的分类器生成表示所述候选分子的分类的预测类别标签。
-
公开(公告)号：CN117063173A
公开(公告)日：2023-11-14
申请号：CN202180095907.9
申请日：2021-06-29
Applicant: 华为云计算技术有限公司
IPC: G06F21/16
Abstract: 提供了一种方法，用于对由第一AI模型生成的预测输出进行水印处理，以使得能够检测已从所述预测输出中提取的目标AI模型，包括：所述第一AI模型从请求设备接收一组输入数据样本；至少存储所述输入数据样本的子集，用于维护所述输入数据样本的记录；使用所述第一AI模型预测相应的预测输出集，所述预测输出集中的每个输出包括概率值，所述AI模型使用水印函数来在所述预测输出的所述概率值中插入周期性水印信号；从所述第一AI模型输出包括所述周期性水印信号的所述预测输出。
-
公开(公告)号：CN116583883A
公开(公告)日：2023-08-11
申请号：CN202180074596.8
申请日：2021-07-09
Applicant: 华为云计算技术有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 基于规则提取的深度神经网络解译方法、系统和介质。所述深度神经网络的解释是基于提取近似网络分类行为的一个或多个规则。规则是通过数据空间识别一组超平面来定义的，这些超平面共同定义了一个凸多面体，所述凸多面体将输入样本的目标类与不同类的输入样本分开。每个规则对应于两个不同决策结果之间的一组决策边界。可以生成人类可理解的规则表示。一个或多个规则可用于生成分类器。相对于其它已知方法，所述表示和解释表现出忠实性、稳定性和全面性。
-
公开(公告)号：CN115552429A
公开(公告)日：2022-12-30
申请号：CN202180033406.8
申请日：2021-03-01
Applicant: 华为云计算技术有限公司
Abstract: 描述了横向联邦学习的方法和系统。获得多个局部模型参数集。每个局部模型参数集已在相应的客户端处学习。针对每个给定的局部模型参数集，计算表示所述给定的局部模型参数集与其它每一个局部模型参数集之间的相似性的协作系数。执行对所述多个局部模型参数集的更新，以获得所述多个更新的局部模型参数集。使用其它局部模型参数集的加权聚合更新每个给定的局部模型参数集，其中，所述加权聚合是使用所述协作系数计算的。所述多个更新的局部模型参数集提供给每个相应的客户端。
-
公开(公告)号：CN118176500A
公开(公告)日：2024-06-11
申请号：CN202380014041.3
申请日：2023-04-04
Applicant: 华为云计算技术有限公司
Inventor： 古西姆兰·辛格 , 阿纳夫·塔兹瓦尔·阿尤布 , 王晨迪 , 王岚君 , 张勇
IPC: G06F18/214
Abstract: 本申请描述了系统、方法和计算机可读介质，用于：第一实体生成表示一组对应的原始数据样本的一组合成数据样本；所述第一实体发送所述一组合成数据样本，用于第二实体使用机器学习(machine learning，ML)模型针对所述一组合成数据样本生成一组第二实体预测，所述机器学习模型已经使用第二实体数据集进行训练；所述第一实体向第三实体发送对应于所述一组原始数据样本的一组可信标签；所述第一实体从所述第三实体接收所述第二实体数据集的评估信息，所述评估信息基于所述第三实体对所述一组可信标签与所述一组第二实体预测的比较。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.031 seconds)
