信息处理装置及信息处理系统的制作方法
本公开涉及一种信息处理装置及信息处理系统。
背景技术:
1、在机器学习技术受到关注的过程中,从保护数据隐私的观点出发,正在推进不将分散的学习数据汇集到一处而对模型进行学习的联邦学习的研究、开发(非专利文献1)。另外,在非专利文献2中,公开了基于5g核心系统中的多个nwdaf(network data analysisfunction,网络数据分析功能)的联邦学习,其中,公开了参与联邦学习处理的nwdaf的发现流程。
2、现有技术文献
3、专利文献
4、专利文献1:日本特开2023-141510号公报
5、非专利文献
6、非专利文献1:feng, siwei, and han yu."multi-participant multi-classvertical federated learning." 2020.
7、非专利文献2:3gpp ts 23.288 v18.3.0 6.2c
技术实现思路
1、发明所要解决的课题
2、本公开的方式之一的目的在于,提供一种能够更适当地选择参与联邦学习的信息处理装置的技术。
3、用于解决课题的手段
4、本公开的方式之一是一种信息处理装置,具有如下特点:
5、具有处理器,所述处理器执行以下步骤:
6、取得与其他信息处理装置相关的联邦学习简档,该联邦学习简档至少包含对联邦学习的贡献度;以及
7、基于所述联邦学习简档,决定参与联邦学习的信息处理装置。
8、本公开的另一方式是一种信息处理系统,包含第一信息处理装置和多个第二信息处理装置,具有如下特点:
9、所述多个第二信息处理装置发送包含对联邦学习的贡献度的联邦学习简档,
10、所述第一信息处理装置接收所述多个第二信息处理装置的所述联邦学习简档,
11、所述第一信息处理装置基于所述联邦学习简档来决定参与联邦学习的信息处理装置。
12、发明效果
13、根据本公开的方式,能够更适当地选择参与联邦学习的信息处理装置。
1.一种信息处理装置,其特征在于,
2.根据权利要求1所述的信息处理装置,其特征在于,
3.根据权利要求1所述的信息处理装置,其特征在于,
4.根据权利要求1所述的信息处理装置,其特征在于,
5.根据权利要求1所述的信息处理装置,其特征在于,
6.根据权利要求1所述的信息处理装置,其特征在于,
7.根据权利要求1所述的信息处理装置,其特征在于,
8.根据权利要求7所述的信息处理装置,其特征在于,
9.根据权利要求1所述的信息处理装置,其特征在于,
10.一种信息处理系统,包含第一信息处理装置和多个第二信息处理装置,其特征在于,
11.根据权利要求10所述的信息处理系统,其特征在于,
12.根据权利要求11所述的信息处理系统,其特征在于,
13.根据权利要求11所述的信息处理系统,其特征在于,
14.根据权利要求11所述的信息处理系统,其特征在于,
15.根据权利要求10所述的信息处理系统,其特征在于,
16.根据权利要求10所述的信息处理系统,其特征在于,
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com