一种基于自监督学习的纵向联邦学习方法

被引：0

专利类型：

发明

申请号：

CN202410871430.4

申请日：

2024-07-01

公开(公告)号：

CN118966319A

公开(公告)日：

2024-11-15

发明(设计)人：

赵晓丽邹丰宇方志军罗光圣

申请人：

上海工程技术大学

申请人地址：

201620 上海市松江区龙腾路333号

IPC主分类号：

G06N3/098

IPC分类号：

G06N3/0895

代理机构：

上海唯智赢专利代理事务所(普通合伙) 31293

代理人：

马雪利

法律状态：

实质审查的生效

国省代码：

上海市市辖区

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2024-12-03	实质审查的生效	实质审查的生效IPC(主分类):G06N 3/098申请日:20240701
2024-11-15	公开	公开

共 50 条

[1]

基于自监督学习的纵向联邦学习方法、装置和存储介质 [P].

熊翱 ;

杨少杰 ;

陈洁蔚 ;

郭少勇 ;

陈浩 ;

黄建平 ;

李钟煦 ;

颜拥 ;

韩嘉佳 ;

孙歆 ;

姚影 ;

杨超 .

中国专利 :CN115438770A ,2022-12-06

[2]

一种基于无监督学习的高效异构纵向联邦学习方法 [P].

盖珂珂 ;

王烁 ;

祝烈煌 .

中国专利 :CN117648994A ,2024-03-05

[3]

一种联邦半监督学习方法及装置 [P].

陈思光 ;

赵宇 ;

王倩 .

中国专利 :CN120472215A ,2025-08-12

[4]

一种基于群体的Siamese自监督学习方法 [P].

许新征 ;

李仲年 ;

耿庆聪 ;

王佳雨 ;

孙统风 .

中国专利 :CN117829248A ,2024-04-05

[5]

一种基于主动学习和半监督学习的车联网联邦学习方法 [P].

霍炎 ;

苏向清 ;

王晓轩 ;

荆涛 ;

高青鹤 ;

马博程 .

中国专利 :CN119251639B ,2025-04-15

[6]

一种基于主动学习和半监督学习的车联网联邦学习方法 [P].

霍炎 ;

苏向清 ;

王晓轩 ;

荆涛 ;

高青鹤 ;

马博程 .

中国专利 :CN119251639A ,2025-01-03

[7]

一种基于自监督学习的病理全切片特征学习方法 [P].

郑钰山 ;

吴坤 ;

姜志国 ;

张浩鹏 ;

谢凤英 .

中国专利 :CN117557856A ,2024-02-13

[8]

一种基于自监督学习的动态图表示学习方法 [P].

鲍鹏 ;

李家年 .

中国专利 :CN115017368A ,2022-09-06

[9]

一种基于自监督学习的动态图表示学习方法 [P].

鲍鹏 ;

李家年 .

中国专利 :CN115017368B ,2025-08-01

[10]

基于信息混合的半监督学习方法及半监督学习装置 [P].

刘利非 ;

杨吉利 ;

朱剑 .

中国专利 :CN116188876B ,2024-04-19

← 1 2 3 4 5 →