【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、联合学习(fl)是一种隐私友好的针对训练机器学习(ml)模型的解决方案，其中多个边缘设备节点(客户端)(例如，蜂窝用户设备或物联网(iot)设备)参与协作学习，而不公开其数据。用于在每个边缘-设备节点上进行训练的数据集(可以包含语音样本或图像等用户数据)，保留在该节点上，并且被用于本地训练ml模型。然后经本地训练的ml模型被发送到聚合服务器以用于转移所学习的知识，例如使用匹配平均或聚合来自其他节点的经本地训练的ml模型。由于成本和/或隐私考虑，当不期望针对传统ml训练使用经标记的训练数据集时，可以使用fl。
2、不幸的是，这些途径要求ml模型具有一致的架构。客户端上的资源限制(例如，存储器和处理能力)排除了在客户端上训练大型ml模型，从而致使大型ml模型架构和一些ml架构不适合于fl，即使是在聚合服务器(聚合服务器可能不具有相同的资源限制)上也是如此。
技术实现思路
1、下面参考下列附图详细描述所公开的示例。提供以下
技术实现思路
以说明在此公开的一些示例。然而，并不意味着将所有示例限制于任何特定的配置或操作序列。
2、协作学习中的集成知识转移的示例包括：在主节点处接收来自多个远程节点的多个经训练的代理机器学习(ml)模型(代理ml模型的集成)，其中被接收的每个代理ml模型来自多个远程节点中不同的一个远程节点，并且其中多个远程节点中的每个远程节点跨网络远离主节点；使用多个代理ml模型来训练主ml模型，其中训练主ml模型包括：对于主训练数据集的多个
本文档来自技高网...【技术保护点】
1.一种系统，包括：
2.根据权利要求1所述的系统，其中所述指令还可操作以：
3.根据权利要求1所述的系统，其中所述代理ML模型中的至少两个代理ML模型具有彼此不同的架构，并且所述代理ML模型中的至少一个代理ML模型具有与所述主ML模型不同的架构。
4.根据权利要求1所述的系统，其中所述指令还可操作以：
5.根据权利要求4所述的系统，其中所述指令还可操作以：
6.一种计算机化的方法，包括：
7.根据权利要求6所述的方法，还包括：
8.根据权利要求6所述的方法，其中所述代理ML模型中的至少两个代理ML模型具有彼此不同的架构，并且所述代理ML模型中的至少一个代理ML模型具有与所述主ML模型不同的架构。
9.根据权利要求6所述的方法，还包括：
10.根据权利要求9所述的方法，还包括：
11.一个或多个计算机存储设备，具有存储在其上的计算机可执行指令，所述计算机可执行指令在由计算机执行时使所述计算机执行操作，所述操作包括：
12.根据权利要求11所述的一个或
13.根据权利要求11所述的一个或多个计算机存储设备，其中所述代理ML模型中的至少两个代理ML模型具有彼此不同的架构，并且所述代理ML模型中的至少一个代理ML模型具有与所述主ML模型不同的架构。
14.根据权利要求11所述的一个或多个计算机存储设备，其中所述操作还包括：
15.根据权利要求14所述的一个或多个计算机存储设备，其中所述操作还包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种系统，包括：
2.根据权利要求1所述的系统，其中所述指令还可操作以：
3.根据权利要求1所述的系统，其中所述代理ml模型中的至少两个代理ml模型具有彼此不同的架构，并且所述代理ml模型中的至少一个代理ml模型具有与所述主ml模型不同的架构。
4.根据权利要求1所述的系统，其中所述指令还可操作以：
5.根据权利要求4所述的系统，其中所述指令还可操作以：
6.一种计算机化的方法，包括：
7.根据权利要求6所述的方法，还包括：
8.根据权利要求6所述的方法，其中所述代理ml模型中的至少两个代理ml模型具有彼此不同的架构，并且所述代理ml模型中的至少一个代理ml模型具有与所述主ml模型不同的架构。
9.根据...
【专利技术属性】
技术研发人员：D·B·迪米特利亚迪斯，A·A·蒙泰罗·马诺埃尔，R·A·西姆，Y·J·周，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。