WO2023117344 - DECENTRALIZED COMPUTING UNIT
National phase entry is expected:
Publication Number
WO/2023/117344
Publication Date
29.06.2023
International Application No.
PCT/EP2022/083830
International Filing Date
30.11.2022
Title **
[English]
DECENTRALIZED COMPUTING UNIT
[French]
UNITÉ DE CALCUL DÉCENTRALISÉE
Applicants **
SIEMENS AKTIENGESELLSCHAFT
Werner-von-Siemens-Straße 1
80333 München, DE
Inventors
KROMPASS, Denis
Balanstr. 226
81549 München, DE
SCHOBER, Alexander
Floßmannstraße 15
81245 München, DE
Priority Data
21216601.1
21.12.2021
EP
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 |
EPO
* |
| 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 | 1167 | |
| EPO | Filing, Examination | 5289 | |
| Japan | Filing | 595 | |
| South Korea | Filing | 575 | |
| USA | Filing, Examination | 2710 |
Total: 10336 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
The invention is directed to Decentralized computing unit (20), wherein the decentralized computing unit is assigned to a respective customer, wherein the decentralized computing unit is configured for: a. Providing a local customer data set comprising a plurality of data samples; wherein the local customer data set is kept private on the decentralized computing unit; wherein each data sample of the plurality of data samples comprises at least one numerical value representing the data sample; b. Training a pre-trained local machine learning model for federated learning using a loss function comprising a mapping function based on the local customer data set; wherein the mapping function maps each data sample of the plurality of data samples to a respective feature vector; wherein the mapping function is initialized with at least one initial parameter; and c. Providing the trained local machine learning model. Further, the invention relates to a corresponding technical system.[French]
L'invention concerne une unité de calcul décentralisée (20), dans laquelle l'unité de calcul décentralisée est affectée à un client respectif, dans laquelle l'unité de calcul décentralisée est configurée pour : a. Fournir un ensemble de données de client local comprenant une pluralité d'échantillons de données ; l'ensemble de données de client local étant gardé privé sur l'unité de calcul décentralisée ; chaque échantillon de données de la pluralité d'échantillons de données comprenant au moins une valeur numérique représentant l'échantillon de données ; b. Former un modèle d'apprentissage automatique local pré-entraîné pour l'apprentissage fédéré à l'aide d'une fonction de perte comprenant une fonction de mise en correspondance basée sur l'ensemble de données de client local ; dans lequel la fonction de mise en correspondance met en correspondance chaque échantillon de données de la pluralité d'échantillons de données avec un vecteur de caractéristiques respectif ; dans lequel la fonction de mise en correspondance est initialisée avec au moins un paramètre initial ; et c. Fournir le modèle d'apprentissage automatique local entraîné. L'invention concerne également un système technique correspondant.