公开(公告)号：CN115759295A

公开(公告)日：2023-03-07

申请号：CN202211426334.6

申请日：2022-11-14

申请人： 成都理工大学

发明人： 唐小川 ,  王宇 ,  周馨 ,  胡强 ,  李冬芬 ,  周让

IPC分类号： G06N20/20 ,  G06F18/25 ,  G06N3/084 ,  G06N3/06 ,  G06N3/045

摘要： 本发明提供了基于纵向联邦学习的协同训练方法、装置及存储介质，拆分神经网络包括位于每个客户端的子神经网络及位于服务器端的多个客户端特征融合神经网络及特征融合网络；通过客户端特征融合神经网络的输出结果和预测数据复用标签Y确定第一损失函数；基于第一损失函数调整好子神经网络及客户端特征融合神经网络后输出第一中间特征，特征融合网络基于多个第一中间特征确定特征融合神经网络的输出结果；基于特征融合神经网络的输出结果和预测数据复用标签Y确定第二损失函数；基于第二损失函数对拆分神经网络进行调整。实现了网络快速收敛；不必等待客户端数据同步；可动态扩展或删除客户端；鲁棒性更强，实现预测目标的精准预测。

公开(公告)号：CN116542323A

公开(公告)日：2023-08-04

申请号：CN202310580677.6

申请日：2023-05-22

申请人： 成都理工大学

发明人： 唐小川 ,  刘鑫 ,  王宇 ,  李莹莹 ,  胡强 ,  李冬芬 ,  樊超

IPC分类号： G06N3/098 ,  G06N3/042 ,  G06Q10/04 ,  G06Q10/0637 ,  G06N3/0442 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464

摘要： 本发明提供了一种多价值链演化的训练预测方法、系统及存储介质，包括：基于客户端及其相邻客户端的本地原始数据生成节点的特征向量，各客户端所在节点的特征向量和节点信息构成了分布式时序图数据；计算当前时刻分布式联邦时序图神经网络模型的局部网络参数，并将局部网络参数发送至服务器，客户端预先建立有分布式联邦时序图神经网络模型；服务器根据局部网络参数获得全局网络参数并广播给所有客户端；客户端利用全局网络参数更新分布式联邦时序图神经网络模型的网络参数，分布式联邦时序图神经网络模型接收下一时刻的分布式时序图数据进行学习，输出下一时刻边的预测值。因此，能够预测多价值链中公司间未来的关系以及某公司是否在走向消亡。

公开(公告)号：CN116187427A

公开(公告)日：2023-05-30

申请号：CN202211426351.X

申请日：2022-11-14

申请人： 成都理工大学

发明人： 唐小川 ,  周馨 ,  胡强 ,  王宇 ,  涂子涵 ,  胡艳梅 ,  樊超

IPC分类号： G06N3/098 ,  G06N3/084 ,  G06N3/0455 ,  G06Q10/04 ,  G06Q50/04

摘要： 本发明提供了一种拆分学习神经网络的动态构建方法、装置及存储介质，服务器端将多个客户端分组，根据分组动态生成一个全局融合神经网络，客户端向服务器发送携带各个客户端输入的元数据和状态标记信息的请求，服务器端根据所述元数据为对应的客户端动态生成子神经网络和客户端特征融合神经网络，并将所述子神经网络发送给对应的客户端，根据每个组内客户端的数量和请求中的状态标记信息为每个组动态生成对应的组特征融合神经网络，使得所述子神经网络、所述客户端特征融合神经网络、所述组特征融合神经网络和所述全局融合神经网络共同构成拆分神经网络。实现子神经网络的计算时间控制，可动态扩展客户端；鲁棒性更强，实现预测目标的精准预测。