JPWO2023286129A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2023286129A5 JPWO2023286129A5 JP2023534452A JP2023534452A JPWO2023286129A5 JP WO2023286129 A5 JPWO2023286129 A5 JP WO2023286129A5 JP 2023534452 A JP2023534452 A JP 2023534452A JP 2023534452 A JP2023534452 A JP 2023534452A JP WO2023286129 A5 JPWO2023286129 A5 JP WO2023286129A5
- Authority
- JP
- Japan
- Prior art keywords
- parameters
- operations
- weighted sum
- predetermined
- calculation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims 1
Description
本発明は、モデルのパラメータを学習する学習システム、学習方法、および、学習プログラム、並びに、推論器に関する。
そこで、本発明は、各クライアントのデータ流出の可能性を低減することができ、各クライアントに適した精度の高いモデルのパラメータを、各クライアントそれぞれが得ることができる学習システム、学習方法、および、学習プログラム、並びに、そのようなモデルで推論を行う推論器を提供することを目的とする。
本発明による学習プログラムは、コンピュータに、共通の入力データが与えられるという関係にあり、かつ、出力データの重み付け和が計算されるという関係にある所定の複数の操作のパラメータと、重み付け和の計算に関わるパラメータとを学習する学習処理、および、所定の複数の操作のパラメータと重み付け和の計算に関わるパラメータとのうち、所定の複数の操作のパラメータをサーバに送信するパラメータ送信処理を実行させる。
Claims (10)
- サーバと、複数のクライアントとを備える学習システムであって、
各クライアントは、
共通の入力データが与えられるという関係にあり、かつ、出力データの重み付け和が計算されるという関係にある所定の複数の操作のパラメータと、前記重み付け和の計算に関わるパラメータとを学習する学習手段と、
前記所定の複数の操作のパラメータと前記重み付け和の計算に関わるパラメータとのうち、前記所定の複数の操作のパラメータを前記サーバに送信するクライアント側パラメータ送信手段とを備え、
前記サーバは、
前記各クライアントから受信した前記所定の複数の操作のパラメータに基づいて、前記所定の複数の操作のパラメータを計算し直すパラメータ計算手段と、
前記所定の複数の操作のパラメータを前記各クライアントに送信するサーバ側パラメータ送信手段とを備える
ことを特徴とする学習システム。 - 前記各クライアントの前記学習手段は、前記重み付け和の計算に関わるパラメータを独自に学習する
請求項1に記載の学習システム。 - 前記所定の複数の操作の数は、前記複数のクライアントの数未満である
請求項1または請求項2に記載の学習システム。 - 前記所定の複数の操作は、いずれも線形操作である
請求項1から請求項3のうちのいずれか1項に記載の学習システム。 - 前記各クライアントは、
前記所定の複数の操作のパラメータ、および、前記重み付け和の計算に関わるパラメータが確定した場合に、前記所定の複数の操作のパラメータ、および、前記重み付け和の計算に関わるパラメータに基づいて、前記所定の複数の操作を1つの操作に変換する変換手段を備える請求項4に記載の学習システム。 - 前記各クライアントは、
前記所定の複数の操作のパラメータ、および、前記重み付け和の計算に関わるパラメータが確定した場合に、前記所定の複数の操作のパラメータ、および、前記重み付け和の計算に関わるパラメータによって定まるモデルに基づいて、与えられたデータに対する推論結果を導出する推論手段を備える
請求項1から請求項5のうちのいずれか1項に記載の学習システム。 - 請求項1から請求項6のうちのいずれか1項に記載の学習システムによって得られた前記所定の複数の操作のパラメータ、および、前記重み付け和の計算に関わるパラメータによって定まるモデルに基づいて、与えられたデータに対する推論結果を導出する推論手段を備える
ことを特徴とする推論器。 - サーバと、複数のクライアントとによって行われる学習方法であって、
各クライアントが、
共通の入力データが与えられるという関係にあり、かつ、出力データの重み付け和が計算されるという関係にある所定の複数の操作のパラメータと、前記重み付け和の計算に関わるパラメータとを学習し、
前記所定の複数の操作のパラメータと前記重み付け和の計算に関わるパラメータとのうち、前記所定の複数の操作のパラメータを前記サーバに送信し、
前記サーバが、
前記各クライアントから受信した前記所定の複数の操作のパラメータに基づいて、前記所定の複数の操作のパラメータを計算し直し、
前記所定の複数の操作のパラメータを前記各クライアントに送信する
ことを特徴とする学習方法。 - 前記各クライアントが、前記重み付け和の計算に関わるパラメータを独自に学習する
請求項8に記載の学習方法。 - コンピュータに、
共通の入力データが与えられるという関係にあり、かつ、出力データの重み付け和が計算されるという関係にある所定の複数の操作のパラメータと、前記重み付け和の計算に関わるパラメータとを学習する学習処理、および、
前記所定の複数の操作のパラメータと前記重み付け和の計算に関わるパラメータとのうち、前記所定の複数の操作のパラメータをサーバに送信するパラメータ送信処理
を実行させるための学習プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/026148 WO2023286129A1 (ja) | 2021-07-12 | 2021-07-12 | 学習システムおよび学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2023286129A1 JPWO2023286129A1 (ja) | 2023-01-19 |
JPWO2023286129A5 true JPWO2023286129A5 (ja) | 2024-04-04 |
Family
ID=84919101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023534452A Pending JPWO2023286129A1 (ja) | 2021-07-12 | 2021-07-12 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JPWO2023286129A1 (ja) |
WO (1) | WO2023286129A1 (ja) |
-
2021
- 2021-07-12 WO PCT/JP2021/026148 patent/WO2023286129A1/ja active Application Filing
- 2021-07-12 JP JP2023534452A patent/JPWO2023286129A1/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6854921B2 (ja) | タスク固有のポリシーおよび共有ポリシーをもつマルチタスクニューラルネットワークシステム | |
GB2614849A (en) | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models | |
CN111386537A (zh) | 基于注意力的仅解码器的序列转换神经网络 | |
RU2014133941A (ru) | Способ и система для контроля состояния группы установок | |
CN103379127A (zh) | 服务器与客户端间的数据交互方法及装置 | |
CN109116811A (zh) | 机器学习装置和方法、伺服控制装置、伺服控制系统 | |
WO2021108796A3 (en) | System and method of federated learning with diversified feedback | |
JP2020060922A (ja) | ハイパーパラメータチューニング方法、装置及びプログラム | |
CN113168564A (zh) | 用于生成人工智能模型的方法和系统 | |
JP2023518015A (ja) | データ保護方法、装置、サーバ及び媒体 | |
CN106168963A (zh) | 实时流数据的处理方法、装置及服务器 | |
CN112818025A (zh) | 试题生成方法、装置和系统、计算机存储介质和程序产品 | |
JP2019185127A5 (ja) | ニューラルネットワークの学習装置およびその制御方法 | |
CN104077425A (zh) | 一种基于操作转换的文本编辑实时协同方法 | |
CN106373112A (zh) | 图像处理方法、装置和电子设备 | |
CN112232891A (zh) | 一种基于大数据分析的客户匹配方法和装置 | |
CN111679903A (zh) | 一种面向深度学习的边云协同装置 | |
JPWO2021119601A5 (ja) | ||
CN114116995A (zh) | 基于增强图神经网络的会话推荐方法、系统及介质 | |
RU2583720C2 (ru) | Устройство для обработки данных в логической системе с компьютерной поддержкой и соответствующий способ | |
JPWO2023286129A5 (ja) | ||
Zhang et al. | A novel control design for delayed teleoperation based on delay-scheduled Lyapunov–Krasovskii functionals | |
CN115859447B (zh) | 一种装配式建筑预装优化方法 | |
WO2020189496A1 (ja) | 変換システム、方法及びプログラム | |
WO2023245523A1 (zh) | 用于生成训练数据的方法以及装置 |