MANAGING TRAINING OF A MACHINE LEARNING MODEL
There is provided a method performed by a master node for managing training of a machine learning model. One or more worker nodes of a plurality of worker nodes are selected (102) to train a machine learning model in a round of training. The one or more worker nodes are selected to optimise a perfor...
Gespeichert in:
Hauptverfasser: | , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
container_end_page | |
---|---|
container_issue | |
container_start_page | |
container_title | |
container_volume | |
creator | ICKIN, Selim RIAZ, Hassam LARSSON, Hannes |
description | There is provided a method performed by a master node for managing training of a machine learning model. One or more worker nodes of a plurality of worker nodes are selected (102) to train a machine learning model in a round of training. The one or more worker nodes are selected to optimise a performance of an updated machine learning model for a validation dataset after the round of training. The updated machine learning model has one or more parameters of the machine learning model trained by the one or more worker nodes in a previous round of training.
L'invention concerne un procédé réalisé par un nœud maître pour gérer l'entraînement d'un 5 modèle d'apprentissage automatique. Un ou plusieurs nœuds de travail d'une pluralité de nœuds de travail sont sélectionnés (102) pour entraîner un modèle d'apprentissage automatique dans un cycle d'entraînement. Le ou les nœuds de travail sont sélectionnés pour optimiser une performance d'un modèle d'apprentissage automatique mis à jour pour un ensemble de données de validation après le cycle d'entraînement. Le modèle d'apprentissage automatique mis à jour a un ou plusieurs paramètres du modèle d'apprentissage automatique entraîné par le ou les nœuds de travail dans un cycle d'apprentissage précédent. |
format | Patent |
fullrecord | <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2022096919A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2022096919A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2022096919A13</originalsourceid><addsrcrecordid>eNrjZND1dfRzdPf0c1cICXL09AMx_N0UHBV8HZ09PP1cFXxcHYPAor7-Lq4-PAysaYk5xam8UJqbQdnNNcTZQze1ID8-tbggMTk1L7UkPtzfyMDIyMDSzNLQ0tHQmDhVACGdJf4</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>MANAGING TRAINING OF A MACHINE LEARNING MODEL</title><source>esp@cenet</source><creator>ICKIN, Selim ; RIAZ, Hassam ; LARSSON, Hannes</creator><creatorcontrib>ICKIN, Selim ; RIAZ, Hassam ; LARSSON, Hannes</creatorcontrib><description>There is provided a method performed by a master node for managing training of a machine learning model. One or more worker nodes of a plurality of worker nodes are selected (102) to train a machine learning model in a round of training. The one or more worker nodes are selected to optimise a performance of an updated machine learning model for a validation dataset after the round of training. The updated machine learning model has one or more parameters of the machine learning model trained by the one or more worker nodes in a previous round of training.
L'invention concerne un procédé réalisé par un nœud maître pour gérer l'entraînement d'un 5 modèle d'apprentissage automatique. Un ou plusieurs nœuds de travail d'une pluralité de nœuds de travail sont sélectionnés (102) pour entraîner un modèle d'apprentissage automatique dans un cycle d'entraînement. Le ou les nœuds de travail sont sélectionnés pour optimiser une performance d'un modèle d'apprentissage automatique mis à jour pour un ensemble de données de validation après le cycle d'entraînement. Le modèle d'apprentissage automatique mis à jour a un ou plusieurs paramètres du modèle d'apprentissage automatique entraîné par le ou les nœuds de travail dans un cycle d'apprentissage précédent.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS ; COMPUTING ; COUNTING ; PHYSICS</subject><creationdate>2022</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20220512&DB=EPODOC&CC=WO&NR=2022096919A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,780,885,25564,76547</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20220512&DB=EPODOC&CC=WO&NR=2022096919A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>ICKIN, Selim</creatorcontrib><creatorcontrib>RIAZ, Hassam</creatorcontrib><creatorcontrib>LARSSON, Hannes</creatorcontrib><title>MANAGING TRAINING OF A MACHINE LEARNING MODEL</title><description>There is provided a method performed by a master node for managing training of a machine learning model. One or more worker nodes of a plurality of worker nodes are selected (102) to train a machine learning model in a round of training. The one or more worker nodes are selected to optimise a performance of an updated machine learning model for a validation dataset after the round of training. The updated machine learning model has one or more parameters of the machine learning model trained by the one or more worker nodes in a previous round of training.
L'invention concerne un procédé réalisé par un nœud maître pour gérer l'entraînement d'un 5 modèle d'apprentissage automatique. Un ou plusieurs nœuds de travail d'une pluralité de nœuds de travail sont sélectionnés (102) pour entraîner un modèle d'apprentissage automatique dans un cycle d'entraînement. Le ou les nœuds de travail sont sélectionnés pour optimiser une performance d'un modèle d'apprentissage automatique mis à jour pour un ensemble de données de validation après le cycle d'entraînement. Le modèle d'apprentissage automatique mis à jour a un ou plusieurs paramètres du modèle d'apprentissage automatique entraîné par le ou les nœuds de travail dans un cycle d'apprentissage précédent.</description><subject>CALCULATING</subject><subject>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>PHYSICS</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2022</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZND1dfRzdPf0c1cICXL09AMx_N0UHBV8HZ09PP1cFXxcHYPAor7-Lq4-PAysaYk5xam8UJqbQdnNNcTZQze1ID8-tbggMTk1L7UkPtzfyMDIyMDSzNLQ0tHQmDhVACGdJf4</recordid><startdate>20220512</startdate><enddate>20220512</enddate><creator>ICKIN, Selim</creator><creator>RIAZ, Hassam</creator><creator>LARSSON, Hannes</creator><scope>EVB</scope></search><sort><creationdate>20220512</creationdate><title>MANAGING TRAINING OF A MACHINE LEARNING MODEL</title><author>ICKIN, Selim ; RIAZ, Hassam ; LARSSON, Hannes</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2022096919A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2022</creationdate><topic>CALCULATING</topic><topic>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>PHYSICS</topic><toplevel>online_resources</toplevel><creatorcontrib>ICKIN, Selim</creatorcontrib><creatorcontrib>RIAZ, Hassam</creatorcontrib><creatorcontrib>LARSSON, Hannes</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>ICKIN, Selim</au><au>RIAZ, Hassam</au><au>LARSSON, Hannes</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>MANAGING TRAINING OF A MACHINE LEARNING MODEL</title><date>2022-05-12</date><risdate>2022</risdate><abstract>There is provided a method performed by a master node for managing training of a machine learning model. One or more worker nodes of a plurality of worker nodes are selected (102) to train a machine learning model in a round of training. The one or more worker nodes are selected to optimise a performance of an updated machine learning model for a validation dataset after the round of training. The updated machine learning model has one or more parameters of the machine learning model trained by the one or more worker nodes in a previous round of training.
L'invention concerne un procédé réalisé par un nœud maître pour gérer l'entraînement d'un 5 modèle d'apprentissage automatique. Un ou plusieurs nœuds de travail d'une pluralité de nœuds de travail sont sélectionnés (102) pour entraîner un modèle d'apprentissage automatique dans un cycle d'entraînement. Le ou les nœuds de travail sont sélectionnés pour optimiser une performance d'un modèle d'apprentissage automatique mis à jour pour un ensemble de données de validation après le cycle d'entraînement. Le modèle d'apprentissage automatique mis à jour a un ou plusieurs paramètres du modèle d'apprentissage automatique entraîné par le ou les nœuds de travail dans un cycle d'apprentissage précédent.</abstract><oa>free_for_read</oa></addata></record> |
fulltext | fulltext_linktorsrc |
identifier | |
ispartof | |
issn | |
language | eng ; fre |
recordid | cdi_epo_espacenet_WO2022096919A1 |
source | esp@cenet |
subjects | CALCULATING COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS COMPUTING COUNTING PHYSICS |
title | MANAGING TRAINING OF A MACHINE LEARNING MODEL |
url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-23T03%3A18%3A26IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=ICKIN,%20Selim&rft.date=2022-05-12&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2022096919A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true |