非显而易见性评估仅供参考，不构成法律建议。
权利要求列表点击可跳转
对比文件列表
| 编号 | 名称 |
|---|
权利要求1
一种用于执行机器学习模型的联合学习的方法，在设备处；从管理全局机器学习模型的联合学习的服务器接收；来自所述全局机器学习模型的模型元素集合的模型元素子集；以及；门概率集合；其中所述门概率集合中的每个门概率与所述模型元素子集中的一个模型元素相关联；其中门概率表示相关联的模型元素被包括在用于相应设备的本地机器学习模型中的可能性；由所述设备基于根据所述模型元素集合和所述门概率集合在所述设备处对所述本地机器学习模型进行训练来生成模型更新集合；所述模型更新集合包括模型元素的更新和门概率的更新；以及；从所述设备向所述服务器传送所述模型更新集合以用于更新所述全局机器学习模型。
权利要求2
如权利要求1所述的方法，其中；所述模型元素子集包括与连接所述全局机器学习模型中的各节点的边相关联的权重子集。
权利要求3
如权利要求2所述的方法，其中；所述模型更新集合包括；与所述本地机器学习模型相关联的权重梯度集合；以及；与所述本地机器学习模型相关联的门概率梯度集合。
权利要求4
如权利要求2所述的方法，其中；所述模型更新集合包括；与所述本地机器学习模型相关联的权重梯度集合；以及；与所述权重梯度集合中的每个权重梯度相关联的二进制门变量值。
权利要求5
如权利要求1所述的方法，其中；所述模型元素子集包括所述全局机器学习模型中的节点子集。
权利要求6
如权利要求1所述的方法，其中；所述模型元素子集包括所述全局机器学习模型的卷积滤波器中的通道子集。
权利要求7
如权利要求1所述的方法，进一步包括；在所述设备处从所述服务器接收最终模型元素集合；其中所述最终模型元素集合对应于经修剪的全局机器学习模型。