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...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: ICKIN, Selim, RIAZ, Hassam, LARSSON, Hannes
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&amp;date=20220512&amp;DB=EPODOC&amp;CC=WO&amp;NR=2022096919A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,780,885,25564,76547</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20220512&amp;DB=EPODOC&amp;CC=WO&amp;NR=2022096919A1$$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