[发明专利]一种基于在线学习的边云协同支持向量机的模型优化方法有效
| 申请号： | 202011152761.0 | 申请日： | 2020-10-23 |
| 公开（公告）号： | CN112287990B | 公开（公告）日： | 2023-06-30 |
| 发明（设计）人： | 杨树森;赵鹏;韩青;张靖琪;赵聪;任雪斌;王路辉;王艺蒙 | 申请（专利权）人： | 杭州卷积云科技有限公司 |
| 主分类号： | G06F18/2411 | 分类号： | G06F18/2411;G06N20/10;G06F9/455;H04L67/10 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 贺小停 |
| 地址： | 310000 浙江省杭州市余杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于在线学习的边云协同支持向量机的模型优化方法，该方法能够有效地利用边缘处有限的计算和通信资源以获取最佳的分布式SVM分类算法性能。提出“Learning to Learn”的框架，用于在具有资源约束的异构边缘端服务器上进行有效的边云协同SVM学习。各个边缘端服务器独立的从云端服务器读取当前时刻的全局模型参数至本地服务器，从本地数据集中随机抽取一个小批量数据并在此批上进行SVM分类的迭代训练，随后将局部参数上传至云端服务器完成全局参数的更新。将每个边缘端服务器在云端服务器的协同策略的动态确定建模为在线优化问题，并设计了基于预算受限的时变资源消耗的Multi‑MAB模型的在线学习算法。同时本发明支持异步的学习模式，可用于监督学习任务。 | ||
| 搜索关键词： | 一种 基于 在线 学习 协同 支持 向量 模型 优化 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州卷积云科技有限公司，未经杭州卷积云科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202011152761.0/，转载请声明来源钻瓜专利网。
- 上一篇：电梯导轨垂直度检测方法
- 下一篇：一种用于建筑施工过程中的基础稳固结构
