-
公开(公告)号：CN117591886B
公开(公告)日：2024-04-05
申请号：CN202410058420.9
申请日：2024-01-15
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/214 , G06F18/15 , G06F18/232 , G06N20/00
Abstract: 本申请实施例提供了基于簇联邦学习的异构数据快速聚合方法及装置。本实施例通过对参与模型训练的各客户端进行聚类以划分出多个簇类，并通过每一簇类中的簇头决策出该簇类中各客户端共享的训练数据，以实现簇类中各客户端共享训练数据，减少各客户端的训练数据的差异性，实现了基于簇联邦学习的异构数据快速聚合，提高后续各客户端和服务器进行簇联邦模型训练时训练出的模型的性能和泛化能力，避免由于各客户端的训练数据的非独立同分布IID对簇联邦模型训练的影响。
-
公开(公告)号：CN117591886A
公开(公告)日：2024-02-23
申请号：CN202410058420.9
申请日：2024-01-15
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/214 , G06F18/15 , G06F18/232 , G06N20/00
Abstract: 本申请实施例提供了基于簇联邦学习的异构数据快速聚合方法及装置。本实施例通过对参与模型训练的各客户端进行聚类以划分出多个簇类，并通过每一簇类中的簇头决策出该簇类中各客户端共享的训练数据，以实现簇类中各客户端共享训练数据，减少各客户端的训练数据的差异性，实现了基于簇联邦学习的异构数据快速聚合，提高后续各客户端和服务器进行簇联邦模型训练时训练出的模型的性能和泛化能力，避免由于各客户端的训练数据的非独立同分布IID对簇联邦模型训练的影响。
-
公开(公告)号：CN117499491A
公开(公告)日：2024-02-02
申请号：CN202311840771.7
申请日：2023-12-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种基于双智能体深度强化学习的物联网服务编排方法及装置，该方法包括：依据历史时间段的服务请求到达率，利用预先训练的神经网络模型，确定下一时间段的服务请求到达率；依据所述下一时间段的服务请求到达率，利用深度强化学习算法，确定下一时间段到达的服务请求的目标划分比例和目标VNF编排方案；依据所述目标划分比例和目标VNF编排方案，对下一时间段到达的服务请求进行处理。该方法可以实现物联网环境下的服务请求的合理分配，降低物联网环境下的服务请求的计算成本。
-
公开(公告)号：CN117499491B
公开(公告)日：2024-03-26
申请号：CN202311840771.7
申请日：2023-12-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种基于双智能体深度强化学习的物联网服务编排方法及装置，该方法包括：依据历史时间段的服务请求到达率，利用预先训练的神经网络模型，确定下一时间段的服务请求到达率；依据所述下一时间段的服务请求到达率，利用深度强化学习算法，确定下一时间段到达的服务请求的目标划分比例和目标VNF编排方案；依据所述目标划分比例和目标VNF编排方案，对下一时间段到达的服务请求进行处理。该方法可以实现物联网环境下的服务请求的合理分配，降低物联网环境下的服务请求的计算成本。
-
-
-
Search Results
4
records
(took 0.089 seconds)
