JP2020528589A - オンデバイス機械学習プラットフォーム - Google Patents
オンデバイス機械学習プラットフォーム Download PDFInfo
- Publication number
- JP2020528589A JP2020528589A JP2019565276A JP2019565276A JP2020528589A JP 2020528589 A JP2020528589 A JP 2020528589A JP 2019565276 A JP2019565276 A JP 2019565276A JP 2019565276 A JP2019565276 A JP 2019565276A JP 2020528589 A JP2020528589 A JP 2020528589A
- Authority
- JP
- Japan
- Prior art keywords
- application
- training
- machine learning
- machine
- computing device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Automation & Control Theory (AREA)
- Stored Programmes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
図1は、本開示の実施形態例に係るオンデバイス機械学習プラットフォーム122を含むコンピューティングデバイス例102のブロック図を示す。
class Learning {
...
static CollectionClient getCollectionClient(CollectionOptions options);
...
}
interface CollectionClient {
Task<Void> add(Example example);
Task<Void> clear();
}
class Learning {
...
static TrainerClient getTrainerClient(TrainerOptions options);
...
}
interface TrainerClient {
Task<Void> start(@Schedule int schedule);
Task<Void> stop();
}
class Learning {
...
static PredictorClient getPredictorClient(PredictorOptions options);
...
}
interface PredictorClient {
Task<PredictionResult> predictRank(Example example, Map<String, Example> candidates);
}
class MyLearningConfig {
static final ExampleCollectionOptions COLLECTION_OPTIONS =
ExampleCollectionOptions.create("myCollection)
.setTimeToLive(TimeUnit.DAYS.toMillis(7))
.addContext(ContextType.USER_LOCATION);
static final TrainerOptions TRAINER_OPTIONS =
TrainerOptions.create("myTrainer")
.setCollectionName(COLLECTION_OPTIONS.getCollectionName())
.setPersonalized(
"mrepo://myApp/training_plan",
"mrepo://myApp/initial_params",
"file:trained_params");
static final PredictorOptions PREDICTOR_OPTIONS =
PredictorOptions.create("myPredictor")
.setRanking(
"mrepo://myApp/prediction_plan",
TRAINER_OPTIONS.getTrainedParamsUri())
.addContext(ContextType.USER_LOCATION);
}
ExampleCollectionClient collection =
Learning.getExampleCollectionClient(COLLECTION_OPTIONS);
...
void onSomeEvent(SomeEvent event) {
collection.add(eventToExample(event));
}
void onCreated() {
TrainerClient trainer = Learning.getTrainerClient(TRAINER_OPTIONS);
trainer.start(Schedule.CONTINUOUSLY);
}
PredictorClient predictor = Learning.getPredictorClient(PREDICTOR_OPTIONS);
...
SomeEvent predict(SomeEvent event, Map<String, SomeEvent> candidates) {
PredictionResult result = predictor.predictRank(eventToExample(event), candsToExample(candidates));
if (result.notAvailable()) {
//これは、アーチファクトが訓練によりダウンロードされること、または計算されることが未だ行われて場合に起こる可能性がある。
Log.warn(「予測がまだ利用可能でない、デフォルトを使用」)
return candidates.iterator().next();
}
return candidates.get(result.getKeys()[0]);
}
1.事例が事例集合へ記憶される前。注入されるコンテキストはCollectionOptionsによって特定できる。
2.事例が予測エンジンに渡される前。注入されるコンテキストはPredictorOptionsによって特定できる。
1.短い待ち時間。全てのコンテキストがオンデバイスプラットフォーム内にキャッシュされ、そして機械学習に配慮した形式に変換される。
2.オンデバイスプラットフォームへのIPC(プロセス間呼出し)が高速であれば、コンテキストをキャッシュすることでバッテリを節約する。
1.オンデバイスプラットフォームは、クライアントがオンデバイスプラットフォームに登録するときにパッケージ名およびAPIキーペアを得る。オンデバイスプラットフォームは、検証のために中央局にパッケージ名およびAPIキーペアを送る。
2.一旦クライアントが検証されると、オンデバイスプラットフォームは、クライアントがそのデバイスで使用するためのプラットフォームキーを生成することになる。
3.そのデバイスにおける将来のAPI呼出しのために、クライアントは、オンデバイスプラットフォームにプラットフォームキーを提供するべきである。
図8は、本開示の実施形態例に係る機械学習済みモデルを使用して推論を生成する方法例800のフローチャートを示す。
本明細書に述べた技術は、サーバ、データベース、ソフトウェアアプリケーションおよび他のコンピュータベースのシステムならびに、取られる措置およびそのようなシステムに/から送られる情報に言及する。コンピュータベースのシステムの固有の柔軟性がコンポーネント間でのタスクおよび機能性の各種の可能な構成、組合せおよび分割を可能にする。例えば、本明細書に述べたプロセスは単一のデバイスもしくはコンポーネントまたは組み合わさって作用する複数デバイスもしくはコンポーネントを使用して実装できる。データベースおよびアプリケーションは単一のシステムに実装できるまたは複数システムにわたって分散できる。分散されたコンポーネントは順次にまたは並列に動作できる。
112 プロセッサ
114 メモリ
116 ネットワークインタフェース
120a アプリケーション
120b アプリケーション
120c アプリケーション
122 オンデバイス機械学習プラットフォーム
124 集中事例データベース
126 コンテキストマネージャ
128 機械学習エンジン
130 集中モデルリポジトリ
132a 機械学習済みモデル
132b 機械学習済みモデル
132c 機械学習済みモデル
202 アプリケーション開発者
204 モデル
206 推論プラン
208 訓練プラン
210 クラウドサーバ
212 連合サーバ
214 デバイス
216 デバイス
218 ログ
402 メインプロセス
404 バックグラウンドプロセス
406 訓練エンジン
410 収集API
412 予測API
414 訓練API
420 収集APIサービス
422 予測APIサービス
424 訓練APIサービス
430 コンテキストプロバイダ
432 予測エンジン
434 アーチファクトマネージャ
440 記憶コンポーネント
442 表現型構成コンポーネント
444 ログマネージャ
Claims (20)
1つまたは複数のコンピュータ可読記憶媒体とを備えたコンピューティングデバイスであって、前記1つまたは複数のコンピュータ可読記憶媒体が、
前記1つまたは複数のプロセッサによって実装される1つまたは複数のアプリケーションと、
1つまたは複数の機械学習済みモデルと、
前記1つまたは複数のプロセッサに、以下の動作を行うオンデバイス機械学習プラットフォームを実装させる命令とを記憶し、前記動作が、
予測アプリケーションプログラミングインタフェースを介して、前記1つまたは複数のアプリケーションのうちの第1のアプリケーションから入力データを受け取ることと、
前記1つまたは複数の機械学習済みモデルのうちの少なくとも第1の機械学習済みモデルを利用して、前記入力データに基づいて少なくとも1つの推論を生成することと、
前記予測アプリケーションプログラミングインタフェースを介して、前記第1のアプリケーションに前記第1の機械学習済みモデルによって生成される前記少なくとも1つの推論を提供することとを含む、
コンピューティングデバイス。
前記オンデバイス機械学習プラットフォームによって行われる前記動作が、
収集アプリケーションプログラミングインタフェースを介して、前記第1のアプリケーションから新たな訓練事例を受け取ることと、
前記集中事例データベースに前記新たな訓練事例を記憶することとをさらに含む、
請求項1に記載のコンピューティングデバイス。
前記収集アプリケーションプログラミングインタフェースを介して、前記第1のアプリケーションに対して以前に定義された1つまたは複数のオプションパラメータに従って、前記集中事例データベースに前記新たな訓練事例を記憶することを含み、
前記1つまたは複数のオプションパラメータが、訓練事例が記憶される期間を定義する生存時間パラメータを少なくとも含む、
請求項2に記載のコンピューティングデバイス。
前記集中事例データベースが、前記複数のアプリケーションのうちの2つ以上の異なるアプリケーションから受け取られた訓練事例を記憶する、
請求項2または3に記載のコンピューティングデバイス。
訓練アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションから、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて、前記第1の機械学習済みモデルを再訓練するようにとの命令を受け取ることと、
前記命令に応じて、前記第1の機械学習済みモデルを、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて再訓練させることとをさらに含む、
請求項2から4のいずれか一項に記載のコンピューティングデバイス。
前記第1の機械学習済みモデルを再訓練させた後に、前記再訓練された第1の機械学習済みモデルを利用して少なくとも1つの追加推論を生成することと、
前記予測アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションに、前記再訓練された第1の機械学習済みモデルによって生成される前記少なくとも1つの追加推論を提供することとをさらに含む、
請求項5に記載のコンピューティングデバイス。
前記第1の機械学習済みモデルを、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて再訓練させることが、
前記機械学習エンジンに、訓練プランに従って前記第1の機械学習済みモデルを再訓練させることを含む、
請求項5に記載のコンピューティングデバイス。
前記1つまたは複数のプロセッサに前記オンデバイス機械学習プラットフォームを実装させる前記命令が、前記1つまたは複数のプロセッサに、以下のさらなる動作を行うオンデバイスマルチテナント機械学習プラットフォームを実装させる命令を含み、前記さらなる動作が、
前記複数のアプリケーションに対して複数の独立した孤立領域をそれぞれ維持することと、
前記第1のアプリケーションの識別情報を検証する署名済みパッケージトークンを前記第1のアプリケーションから受け取ることと、
前記署名済みパッケージトークンを認証することと、
前記署名済みパッケージトークンの認証に応じて、前記複数の独立した孤立領域のうちの第1の孤立領域へのアクセスを提供することであって、前記第1の孤立領域が、前記第1のアプリケーションと関連する、こととを含む、
請求項1から7のいずれか一項に記載のコンピューティングデバイス。
モバイルアプリケーション、または
前記コンピューティングデバイスのオペレーティングシステムの一部分を含む、
請求項1から8のいずれか一項に記載のコンピューティングデバイス。
前記1つまたは複数のアプリケーションが、1つまたは複数のモバイルアプリケーションを含む、
請求項1から9のいずれか一項に記載のコンピューティングデバイス。
予測アプリケーションプログラミングインタフェースを介して、コンピューティングデバイスに記憶されている1つまたは複数のアプリケーションのうちの第1のアプリケーションから入力データを受け取ることと、
前記コンピューティングデバイスに記憶されている1つまたは複数の機械学習済みモデルのうちの少なくとも第1の機械学習済みモデルを利用して、前記入力データに基づいて少なくとも1つの推論を生成することと、
前記予測アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションに、前記第1の機械学習済みモデルによって生成される前記少なくとも1つの推論を提供することとを含む、
コンピュータ可読記憶媒体。
前記オンデバイス機械学習プラットフォームによって行われる前記動作が、
収集アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションから新たな訓練事例を受け取ることと、
前記集中事例データベースに前記新たな訓練事例を記憶することとをさらに含む、
請求項11に記載のコンピュータ可読記憶媒体。
前記収集アプリケーションプログラミングインタフェースを介して、前記第1のアプリケーションに対して以前に定義された1つまたは複数のオプションパラメータに従って前記集中事例データベースに前記新たな訓練事例を記憶することを含み、
前記1つまたは複数のオプションパラメータが、訓練事例が記憶される期間を定義する生存時間パラメータを少なくとも含む、
請求項12に記載のコンピュータ可読記憶媒体。
前記集中事例データベースが、前記複数のアプリケーションのうちの2つ以上の異なるアプリケーションから受け取られた訓練事例を記憶する、
請求項12または13に記載のコンピュータ可読記憶媒体。
訓練アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションから、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて前記第1の機械学習済みモデルを再訓練するようにとの命令を受け取ることと、
前記命令に応じて、前記第1の機械学習済みモデルを、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて再訓練させることとをさらに含む、
請求項12から14のいずれか一項に記載のコンピュータ可読記憶媒体。
前記第1の機械学習済みモデルを再訓練させた後に、前記再訓練された第1の機械学習済みモデルを利用して少なくとも1つの追加推論を生成することと、
前記予測アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションに、前記再訓練された第1の機械学習済みモデルによって生成される前記少なくとも1つの追加推論を提供することとをさらに含む、
請求項15に記載のコンピュータ可読記憶媒体。
前記第1の機械学習済みモデルを、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて再訓練させることが、
前記機械学習エンジンに訓練プランに従って前記第1の機械学習済みモデルを再訓練させることを含む、
請求項15に記載のコンピュータ可読記憶媒体。
前記1つまたは複数のプロセッサに前記オンデバイス機械学習プラットフォームを実装させる前記命令が、前記1つまたは複数のプロセッサに、以下のさらなる動作を行うオンデバイスマルチテナント機械学習プラットフォームを実装させる命令を含み、前記さらなる動作が、
前記複数のアプリケーションに対して複数の独立した孤立領域をそれぞれ維持することと、
前記第1のアプリケーションの識別情報を検証する署名済みパッケージトークンを前記第1のアプリケーションから受け取ることと、
前記署名済みパッケージトークンを認証することと、
前記署名済みパッケージトークンの認証に応じて、前記複数の独立した孤立領域のうちの第1の孤立領域へのアクセスを提供することであって、第1の孤立領域が、前記第1のアプリケーションと関連する、こととを含む、
請求項11から17のいずれか一項に記載のコンピュータ可読記憶媒体。
モバイルアプリケーション、または、
前記コンピューティングデバイスのオペレーティングシステムの一部分を含む、
請求項11から18のいずれか一項に記載のコンピュータ可読記憶媒体。
収集アプリケーションプログラミングインタフェースを介してコンピューティングデバイスによって、前記コンピューティングデバイスに記憶されている複数のアプリケーションのうちの第1のアプリケーションから新たな訓練事例を受け取るステップと、
前記コンピューティングデバイスによって、前記コンピューティングデバイスの集中事例データベースに前記新たな訓練事例を記憶するステップと、
前記コンピューティングデバイスによって、訓練アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションから、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて、前記コンピューティングデバイスに記憶されている第1の機械学習済みモデルを再訓練するようにとの命令を受け取るステップと、
前記命令に応じて、前記コンピューティングデバイスによって、前記第1の機械学習済みモデルを、前記集中事例データベースに記憶されている前記訓練事例の1つまたは複数に基づいて再訓練させるステップと、
前記コンピューティングデバイスによって、予測アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションから入力データを受け取るステップと、
前記第1の機械学習済みモデルを利用して、前記入力データに基づいて少なくとも1つの推論を生成するステップと、
前記予測アプリケーションプログラミングインタフェースを介して前記第1のアプリケーションに、前記第1の機械学習済みモデルによって生成される前記少なくとも1つの推論を提供するステップとを含む、
方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/674,885 | 2017-08-11 | ||
US15/674,885 US11403540B2 (en) | 2017-08-11 | 2017-08-11 | On-device machine learning platform |
PCT/US2018/029563 WO2019032156A1 (en) | 2017-08-11 | 2018-04-26 | PLATFORM OF LEARNING MACHINE ON DEVICE |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020528589A true JP2020528589A (ja) | 2020-09-24 |
JP6923676B2 JP6923676B2 (ja) | 2021-08-25 |
Family
ID=62152681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019565276A Active JP6923676B2 (ja) | 2017-08-11 | 2018-04-26 | オンデバイス機械学習プラットフォーム |
Country Status (6)
Country | Link |
---|---|
US (2) | US11403540B2 (ja) |
EP (1) | EP3491587B1 (ja) |
JP (1) | JP6923676B2 (ja) |
KR (1) | KR102320755B1 (ja) |
CN (1) | CN110892425B (ja) |
WO (1) | WO2019032156A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021193568A (ja) * | 2020-10-16 | 2021-12-23 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | マッチング効率を高める連合学習方法及び機器、電子機器並びに媒体 |
WO2022239264A1 (ja) * | 2021-05-12 | 2022-11-17 | ソニーグループ株式会社 | 情報処理装置、情報処理サーバ、情報処理方法、およびコンピュータにより読み取り可能な非一時的な記憶媒体 |
KR102592569B1 (ko) * | 2022-11-30 | 2023-10-23 | 한국전자기술연구원 | AIoT 플랫폼을 활용한 ML 모델 배포관리 방법 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI637280B (zh) * | 2017-05-16 | 2018-10-01 | 緯創資通股份有限公司 | 基於物聯網架構的監控方法、霧運算終端以及物聯網系統 |
WO2019232471A1 (en) | 2018-06-01 | 2019-12-05 | Nami Ml Inc. | Machine learning at edge devices based on distributed feedback |
EP3980946A4 (en) * | 2019-06-04 | 2023-02-08 | Telefonaktiebolaget Lm Ericsson (Publ) | EXECUTION OF MACHINE LEARNING MODELS |
KR20190096872A (ko) * | 2019-07-31 | 2019-08-20 | 엘지전자 주식회사 | 연합학습(Federated learning)을 통한 필기체 인식방법 및 이를 위한 장치 |
US11755884B2 (en) | 2019-08-20 | 2023-09-12 | Micron Technology, Inc. | Distributed machine learning with privacy protection |
US11392796B2 (en) * | 2019-08-20 | 2022-07-19 | Micron Technology, Inc. | Feature dictionary for bandwidth enhancement |
US11500929B2 (en) * | 2019-11-07 | 2022-11-15 | International Business Machines Corporation | Hierarchical federated learning using access permissions |
US11461593B2 (en) | 2019-11-26 | 2022-10-04 | International Business Machines Corporation | Federated learning of clients |
US11507836B1 (en) * | 2019-12-20 | 2022-11-22 | Apple Inc. | Federated learning using local ground truth estimation |
CN113128686A (zh) * | 2020-01-16 | 2021-07-16 | 华为技术有限公司 | 模型训练方法及装置 |
US10938979B1 (en) | 2020-03-11 | 2021-03-02 | Fmr Llc | Generating and displaying custom-selected content in a mobile device application |
JP6893010B1 (ja) * | 2020-06-09 | 2021-06-23 | 株式会社プレイド | 情報処理装置、情報処理方法、およびプログラム |
US11631033B2 (en) * | 2020-07-03 | 2023-04-18 | Mercari, Inc. | On-device training of personalized model |
CN112052149B (zh) * | 2020-09-06 | 2022-02-22 | 厦门理工学院 | 一种大数据信息采集系统及使用方法 |
KR20230068411A (ko) * | 2020-09-09 | 2023-05-17 | 엘지전자 주식회사 | 연합 학습 기반의 오프라인 매장에서의 제품 추천 방법 및 장치 |
CN112288133A (zh) * | 2020-09-28 | 2021-01-29 | 珠海大横琴科技发展有限公司 | 一种算法服务处理方法和装置 |
KR102526261B1 (ko) * | 2020-12-04 | 2023-04-27 | 한국전자기술연구원 | 시공간 컨텍스트 피드백 기반 동적 ai 모델 선택 방법 |
KR20220120154A (ko) * | 2021-02-23 | 2022-08-30 | 삼성전자주식회사 | 복수의 어플리케이션들에 공유되는 기계 학습 모델을 이용한 장치 및 방법 |
US20220291981A1 (en) * | 2021-03-09 | 2022-09-15 | International Business Machines Corporation | Deducing a root cause analysis model from augmented reality peer assistance sessions |
US11443245B1 (en) | 2021-07-22 | 2022-09-13 | Alipay Labs (singapore) Pte. Ltd. | Method and system for federated adversarial domain adaptation |
US11880511B1 (en) * | 2023-01-30 | 2024-01-23 | Kiloma Advanced Solutions Ltd | Real-time automatic multilingual input correction |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006134080A (ja) * | 2004-11-05 | 2006-05-25 | Ntt Docomo Inc | 携帯端末、及び、個人適応型コンテキスト獲得方法 |
US20150046060A1 (en) * | 2013-08-12 | 2015-02-12 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Adjusting Vehicle Settings |
US20170124487A1 (en) * | 2015-03-20 | 2017-05-04 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing machine learning model training and deployment with a rollback mechanism |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8170841B2 (en) | 2004-04-16 | 2012-05-01 | Knowledgebase Marketing, Inc. | Predictive model validation |
US8160977B2 (en) * | 2006-12-11 | 2012-04-17 | Poulin Christian D | Collaborative predictive model building |
US8214308B2 (en) | 2007-10-23 | 2012-07-03 | Sas Institute Inc. | Computer-implemented systems and methods for updating predictive models |
US8606728B1 (en) | 2011-06-15 | 2013-12-10 | Google Inc. | Suggesting training examples |
US9519647B2 (en) * | 2012-04-17 | 2016-12-13 | Sandisk Technologies Llc | Data expiry in a non-volatile device |
US8429103B1 (en) | 2012-06-22 | 2013-04-23 | Google Inc. | Native machine learning service for user adaptation on a mobile platform |
US9047463B2 (en) * | 2012-06-29 | 2015-06-02 | Sri International | Method and system for protecting data flow at a mobile device |
US9336494B1 (en) | 2012-08-20 | 2016-05-10 | Context Relevant, Inc. | Re-training a machine learning model |
US8533148B1 (en) | 2012-10-01 | 2013-09-10 | Recommind, Inc. | Document relevancy analysis within machine learning systems including determining closest cosine distances of training examples |
US20140189246A1 (en) * | 2012-12-31 | 2014-07-03 | Bin Xing | Measuring applications loaded in secure enclaves at runtime |
US8613055B1 (en) * | 2013-02-22 | 2013-12-17 | Ping Identity Corporation | Methods and apparatus for selecting an authentication mode at time of issuance of an access token |
EP2784714B1 (en) * | 2013-03-28 | 2021-04-28 | Alcatel Lucent | Method of preventing access to sensitive data of a computing device |
US9218574B2 (en) | 2013-05-29 | 2015-12-22 | Purepredictive, Inc. | User interface for machine learning |
US9294468B1 (en) * | 2013-06-10 | 2016-03-22 | Google Inc. | Application-level certificates for identity and authorization |
US9286574B2 (en) | 2013-11-04 | 2016-03-15 | Google Inc. | Systems and methods for layered training in machine-learning architectures |
US9503442B1 (en) * | 2014-06-20 | 2016-11-22 | EMC IP Holding Company LLC | Credential-based application programming interface keys |
US10102480B2 (en) * | 2014-06-30 | 2018-10-16 | Amazon Technologies, Inc. | Machine learning service |
US9977911B2 (en) * | 2014-12-30 | 2018-05-22 | Facebook, Inc. | Methods and systems for managing permissions to access mobile device resources |
US9336483B1 (en) * | 2015-04-03 | 2016-05-10 | Pearson Education, Inc. | Dynamically updated neural network structures for content distribution networks |
US10812464B2 (en) * | 2015-06-15 | 2020-10-20 | Airwatch Llc | Single sign-on for managed mobile devices |
US9626654B2 (en) | 2015-06-30 | 2017-04-18 | Linkedin Corporation | Learning a ranking model using interactions of a user with a jobs list |
US20170012982A1 (en) * | 2015-07-10 | 2017-01-12 | Google Inc. | Protecting Data From Unauthorized Access |
US10380500B2 (en) | 2015-09-24 | 2019-08-13 | Microsoft Technology Licensing, Llc | Version control for asynchronous distributed machine learning |
EP3179690A1 (en) * | 2015-12-11 | 2017-06-14 | Gemalto Sa | Mobile device having trusted execution environment |
US10664766B2 (en) | 2016-01-27 | 2020-05-26 | Bonsai AI, Inc. | Graphical user interface to an artificial intelligence engine utilized to generate one or more trained artificial intelligence models |
US11743203B2 (en) * | 2016-02-17 | 2023-08-29 | Blackberry Limited | Managing resource access |
CN105912500B (zh) * | 2016-03-30 | 2017-11-14 | 百度在线网络技术(北京)有限公司 | 机器学习模型生成方法和装置 |
US11210583B2 (en) * | 2016-07-20 | 2021-12-28 | Apple Inc. | Using proxies to enable on-device machine learning |
US10536351B2 (en) * | 2016-07-29 | 2020-01-14 | Splunk Inc. | Analytics for edge devices |
US11087236B2 (en) * | 2016-07-29 | 2021-08-10 | Splunk Inc. | Transmitting machine learning models to edge devices for edge analytics |
US10996997B2 (en) * | 2017-01-23 | 2021-05-04 | International Business Machines Corporation | API-based service command invocation |
US20180241572A1 (en) * | 2017-02-22 | 2018-08-23 | Intel Corporation | Techniques for remote sgx enclave authentication |
-
2017
- 2017-08-11 US US15/674,885 patent/US11403540B2/en active Active
-
2018
- 2018-04-26 CN CN201880046411.0A patent/CN110892425B/zh active Active
- 2018-04-26 EP EP18724421.5A patent/EP3491587B1/en active Active
- 2018-04-26 KR KR1020197035504A patent/KR102320755B1/ko active IP Right Grant
- 2018-04-26 WO PCT/US2018/029563 patent/WO2019032156A1/en unknown
- 2018-04-26 JP JP2019565276A patent/JP6923676B2/ja active Active
-
2022
- 2022-07-27 US US17/874,967 patent/US20220358385A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006134080A (ja) * | 2004-11-05 | 2006-05-25 | Ntt Docomo Inc | 携帯端末、及び、個人適応型コンテキスト獲得方法 |
US20150046060A1 (en) * | 2013-08-12 | 2015-02-12 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Adjusting Vehicle Settings |
JP2016525983A (ja) * | 2013-08-12 | 2016-09-01 | 三菱電機株式会社 | 車両内の設定を調整する方法 |
US20170124487A1 (en) * | 2015-03-20 | 2017-05-04 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing machine learning model training and deployment with a rollback mechanism |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021193568A (ja) * | 2020-10-16 | 2021-12-23 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | マッチング効率を高める連合学習方法及び機器、電子機器並びに媒体 |
WO2022239264A1 (ja) * | 2021-05-12 | 2022-11-17 | ソニーグループ株式会社 | 情報処理装置、情報処理サーバ、情報処理方法、およびコンピュータにより読み取り可能な非一時的な記憶媒体 |
KR102592569B1 (ko) * | 2022-11-30 | 2023-10-23 | 한국전자기술연구원 | AIoT 플랫폼을 활용한 ML 모델 배포관리 방법 |
Also Published As
Publication number | Publication date |
---|---|
US11403540B2 (en) | 2022-08-02 |
KR20200002034A (ko) | 2020-01-07 |
WO2019032156A1 (en) | 2019-02-14 |
KR102320755B1 (ko) | 2021-11-02 |
EP3491587A1 (en) | 2019-06-05 |
CN110892425B (zh) | 2024-02-20 |
EP3491587B1 (en) | 2020-06-24 |
US20220358385A1 (en) | 2022-11-10 |
US20190050746A1 (en) | 2019-02-14 |
CN110892425A (zh) | 2020-03-17 |
JP6923676B2 (ja) | 2021-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6926240B2 (ja) | オンデバイス機械学習プラットフォーム | |
JP6923676B2 (ja) | オンデバイス機械学習プラットフォーム | |
US11356440B2 (en) | Automated IoT device registration | |
US11537931B2 (en) | On-device machine learning platform to enable sharing of machine-learned models between applications | |
US11042641B2 (en) | Deployment and communications gateway for deployment, trusted execution, and secure communications | |
Kritikos et al. | Towards a security-enhanced PaaS platform for multi-cloud applications | |
US9537893B2 (en) | Abstract evaluation of access control policies for efficient evaluation of constraints | |
US9350625B2 (en) | Service consumption based on gamification level classification | |
US10678752B2 (en) | Closure-based container volumes with ratio-based modeling | |
US20230068816A1 (en) | Providing a machine learning model based on desired metric values | |
Kuflik et al. | Enabling mobile user modeling: infrastructure for personalization in ubiquitous computing | |
US12020127B2 (en) | On-device machine learning platform to enable sharing of machine learned models between applications | |
JP2024507631A (ja) | クロスドメインアナリティクスのための高忠実度データ管理 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210524 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210729 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6923676 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |