WO2023061500 - METHODS AND SYSTEMS FOR UPDATING PARAMETERS OF A PARAMETERIZED OPTIMIZATION ALGORITHM IN FEDERATED LEARNING
National phase entry is expected:
Publication Number
WO/2023/061500
Publication Date
20.04.2023
International Application No.
PCT/CN2022/125538
International Filing Date
15.10.2022
Title **
[English]
METHODS AND SYSTEMS FOR UPDATING PARAMETERS OF A PARAMETERIZED OPTIMIZATION ALGORITHM IN FEDERATED LEARNING
[French]
PROCÉDÉS ET SYSTÈMES POUR METTRE À JOUR DES PARAMÈTRES D'UN ALGORITHME D'OPTIMISATION PARAMÉTRÉ DANS UN APPRENTISSAGE FÉDÉRÉ
Applicants **
HUAWEI TECHNOLOGIES CO., LTD.
Huawei Administration Building, Bantian,Longgang District
Shenzhen, Guangdong 518129, CN
Inventors
SHALOUDEGI, Kiarash
908, 7461 Chemin Kingsley
Cote Saint-Luc, Québec H4W 1P4, CA
YU, Yaoliang
295 Hiawatha Drive
Waterloo, Ontario N2L 2V9, CA
LUO, Jun
737 Manning Avenue
Toronto, Ontario M6G 2W5, CA
Priority Data
63/256,302
15.10.2021
US
17/965,274
13.10.2022
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
CNIPA
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1511 | |
| EPO | Filing, Examination | 9328 | |
| Japan | Filing | 591 | |
| South Korea | Filing | 607 | |
| USA | Filing, Examination | 2710 |
Total: 14747 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
Methods and systems for federated learning using a parameterized optimization algorithm are described. A central server receives, from each of a plurality of user devices, a proximal map and feedback representing a current state of each user device. The server computes an update to optimization parameters of a parameterized optimization algorithm, using the received feedback. Model updates are computed for each user device, using the received proximal maps and the parameterized optimization algorithm having the updated optimization parameters. Each model update is transmitted to each respective client for updating the respective model.[French]
L'invention concerne des procédés et des systèmes d'apprentissage fédéré à l'aide d'un algorithme d'optimisation paramétré. Un serveur central reçoit, en provenance de chacun d'une pluralité de dispositifs d'utilisateur, une carte proximative et une rétroaction représentant un état actuel de chaque dispositif d'utilisateur. Le serveur calcule une mise à jour des paramètres d'optimisation d'un algorithme d'optimisation paramétré, à l'aide de la rétroaction reçue. Des mises à jour de modèle sont calculées pour chaque dispositif utilisateur, à l'aide des cartes proximatives reçues et de l'algorithme d'optimisation paramétré ayant les paramètres d'optimisation mis à jour. Chaque mise à jour de modèle est transmise à chaque client respectif pour mettre à jour le modèle respectif.