神经网络的动态权重更新的制作方法

技术特征：
1.一种计算机系统，包括：一个或更多个处理器，用于至少部分地基于一个或更多个标准从一个或更多个边缘设备动态选择神经网络权重。2.如权利要求1所述的计算机系统，其中：所述神经网络权重包括作为神经网络训练的结果而确定的数值；以及所述一个或更多个处理器用于使用一个或更多个聚合值来动态选择所述神经网络权重，所述一个或更多个聚合值作为将所述一个或更多个标准应用于所述神经网络训练的结果而被计算。3.如权利要求2所述的计算机系统，其中所述一个或更多个处理器用于通过使用所述一个或更多个聚合值中的第一聚合值选择第一组神经网络权重以及使用所述一个或更多个聚合值中的第二聚合值选择第二组神经网络权重，来动态选择所述神经网络权重。4.如权利要求2所述的计算机系统，其中：所述一个或更多个处理器至少通过将动态选择的神经网络权重与来自一个或更多个其他边缘设备的其他神经网络权重进行组合来训练神经网络；以及所述一个或更多个聚合值指示在与所述其他神经网络权重进行组合时如何对所述神经网络权重进行加权。5.如权利要求2所述的计算机系统，其中所述一个或更多个处理器至少部分地基于动态选择的神经网络权重来训练神经网络，并将所述神经网络分配给所述一个或更多个边缘设备。6.如权利要求1所述的计算机系统，其中所述一个或更多个处理器用于至少部分地基于一个或更多个聚合权重值来动态选择所述神经网络权重，所述一个或更多个聚合权重值至少部分地作为将所述一个或更多个标准应用于由所述一个或更多个边缘设备进行的神经网络训练以生成所述神经网络权重的结果来确定。7.如权利要求1所述的计算机系统，其中所述一个或更多个标准至少包括能够由所述一个或更多个边缘设备使用以生成所述神经网络权重的数据的大小。8.如权利要求1所述的计算机系统，其中所述一个或更多个处理器用于动态选择所述神经网络权重以将神经网络训练为执行医学图像分割。9.一种方法，包括：至少部分地基于一个或更多个标准从一个或更多个边缘设备动态选择神经网络权重。10.如权利要求9所述的方法，其中：所述神经网络权重包括作为由所述一个或更多个边缘设备进行的神经网络训练的结果而生成的一个或更多个数据值；以及动态选择所述神经网络权重包括：至少部分地基于一个或更多个聚合权重来选择第一组神经网络权重；至少部分地基于所述一个或更多个聚合权重来选择第二组神经网络权重；以及通过至少组合所述第一组和所述第二组来生成神经网络。11.如权利要求10所述的方法，还包括：将所述神经网络分配给所述一个或更多个边缘设备。12.如权利要求10所述的方法，还包括：至少部分地基于将所述一个或更多个标准应用
于由所述一个或更多个边缘设备进行的所述神经网络训练来确定所述一个或更多个聚合权重。13.如权利要求9所述的方法，还包括：至少部分地基于将所述一个或更多个标准应用于由所述一个或更多个边缘设备进行的神经网络训练以生成所述神经网络权重来计算一个或更多个聚合权重；以及动态选择要用于生成神经网络的所述神经网络权重。14.如权利要求9所述的方法，还包括：基于对能够由所述一个或更多个边缘设备使用以生成所述神经网络权重的数据的改变来动态选择所述神经网络权重。15.如权利要求9所述的方法，还包括：作为动态选择所述神经网络权重的结果而生成神经网络；以及将所述神经网络分配给所述一个或更多个边缘设备，所述神经网络包括所述神经网络权重的至少子集。16.如权利要求9所述的方法，还包括：动态选择所述神经网络权重以将神经网络训练为执行医学图像分割。17.一种机器可读介质，其上存储有指令集，所述指令集如果由一个或更多个处理器执行，则使所述一个或更多个处理器至少：至少部分地基于一个或更多个标准从一个或更多个边缘设备动态选择神经网络权重。18.如权利要求17所述的机器可读介质，其中所述指令集还包括指令，所述指令在由所述一个或更多个处理器执行时，使所述一个或更多个处理器：至少部分地基于一组聚合值来动态选择第一组神经网络权重；至少部分地基于该组聚合值来动态选择第二组神经网络权重；以及至少将所述第一组和所述第二组组合到神经网络中。19.如权利要求18所述的机器可读介质，其中所述神经网络权重包括作为由所述一个或更多个边缘设备进行神经网络训练以生成所述神经网络权重的结果而确定的数值。20.如权利要求18所述的机器可读介质，其中所述指令集还包括指令，所述指令在由所述一个或更多个处理器执行时，使所述一个或更多个处理器将所述神经网络传送到所述一个或更多个边缘设备。21.如权利要求18所述的机器可读介质，其中所述指令集还包括指令，所述指令在由所述一个或更多个处理器执行时，使所述一个或更多个处理器至少部分地基于将所述一个或更多个标准应用于由所述一个或更多个边缘设备进行的神经网络训练以生成所述神经网络权重，来计算该组聚合值。22.如权利要求18所述的机器可读介质，其中所述指令集还包括指令，所述指令在由所述一个或更多个处理器执行时，使所述一个或更多个处理器：从所述一个或更多个边缘设备接收该组聚合值；通过对该组聚合值应用加权平均来生成另一组聚合值；以及至少部分地基于所述另一组聚合值来动态选择所述第一组和所述第二组。23.如权利要求17所述的机器可读介质，其中所述一个或更多个标准至少包括与能够由所述一个或更多个边缘设备使用以生成所述神经网络权重的数据的大小相对应的度量。24.如权利要求17所述的机器可读介质，其中所述一个或更多个标准至少包括与用于生成所述神经网络权重的所述一个或更多个边缘设备的一个或更多个神经网络相对应的度量。
25.如权利要求17所述的机器可读介质，其中所述指令集还包括指令，所述指令在由所述一个或更多个处理器执行时，使所述一个或更多个处理器使用至少部分地使用动态选择的神经网络权重训练的神经网络来执行医学图像分割。26.一种处理器，包括：一个或更多个电路，用于至少部分地基于一个或更多个标准从一个或更多个边缘设备动态选择神经网络权重。27.如权利要求26所述的处理器，其中：所述神经网络权重包括作为由所述一个或更多个边缘设备进行的神经网络训练的结果而确定的数值；以及所述一个或更多个电路用于使用一个或更多个聚合值动态选择所述神经网络权重，所述一个或更多个聚合值作为将所述一个或更多个标准应用于所述神经网络训练的结果而被计算。28.如权利要求27所述的处理器，其中所述一个或更多个电路使用动态选择的神经网络权重来训练一个或更多个神经网络，并使所述一个或更多个神经网络被分配给所述一个或更多个边缘设备。29.如权利要求27所述的处理器，其中所述一个或更多个聚合值指示对由所述一个或更多个边缘设备使用以根据所述一个或更多个标准生成所述神经网络权重的数据的改变。30.如权利要求27所述的处理器，其中所述一个或更多个电路从所述一个或更多个边缘设备接收所述一个或更多个聚合值，所述一个或更多个聚合值指示当与其他神经网络权重进行组合以训练一个或更多个神经网络时如何对动态选择的神经网络权重进行加权。31.如权利要求26所述的处理器，其中所述一个或更多个标准是至少部分地基于能够由所述一个或更多个边缘设备使用以生成所述神经网络权重的数据计算的度量。32.如权利要求26所述的处理器，其中所述一个或更多个电路用于动态选择所述神经网络权重以至少训练神经网络，经训练的神经网络被分配给所述一个或更多个边缘设备中的每一个以生成附加的神经网络权重。33.如权利要求26所述的处理器，其中所述一个或更多个标准至少包括能够由所述一个或更多个边缘设备使用以生成所述神经网络权重的数据的大小。34.如权利要求26所述的处理器，其中所述一个或更多个标准至少包括与用于生成所述神经网络权重的所述一个或更多个边缘设备的一个或更多个神经网络相对应的度量。35.如权利要求26所述的处理器，其中所述一个或更多个处理器用于动态选择所述神经网络权重以将神经网络训练为执行图像分类。

技术总结
公开了神经网络的动态权重更新，具体公开了用于改进神经网络的联合学习的装置、系统和技术。在至少一个实施例中，联合服务器根据一个或更多个可学习的聚合权重来动态选择神经网络权重，所述一个或更多个可学习的聚合权重指示在联合训练期间根据每个边缘设备或客户端模型以及训练数据的各种特性来自一个或更多个边缘设备或客户端中的每一个的贡献。多个边缘设备或客户端中的每一个的贡献。多个边缘设备或客户端中的每一个的贡献。


技术研发人员：H
受保护的技术使用者：辉达公司
技术研发日：2022.04.19
技术公布日：2022/11/1