用于使用最佳模型运行技术设施的方法和系统技术方案

用最佳模型运行作为系统部分的技术设施的方法，系统有第一技术设施、第二技术设施及带存储器的服务器，设施包括控制设备和所连技术设备，包括：Q1）生成设备基本模型；Q2）将设备基本模型分布到控制设备；Q3）由控制设备生成、训练和存储第一设备模型；Q4）在服务器的模型存储器中提供及存储设备模型；Q5）将控制设备中尚不存在的设备模型加载并提供给控制设备；Q6）将步骤Q5）提供的设备模型用于相应控制设备并确定相应相似度函数；Q7）将相似度函数传送到服务器；Q8）应用相似度函数形成组并通过组内联邦学习创建组模型；Q9）从组模型中为设施选择和加载运行模型并提供给其控制设备并借助选为最佳模型的运行模型操控设备。借助选为最佳模型的运行模型操控设备。借助选为最佳模型的运行模型操控设备。

【技术实现步骤摘要】
用于使用最佳模型运行技术设施的方法和系统


[0001]本专利技术涉及一种用于使用最佳模型运行技术设施（technische Anlage）的方法和系统，其中所述设施是具有第一技术设施和至少一个第二技术设施的所述系统的一部分，每个设施包括带有存储器的控制设备和所连接的技术设备，并且所述系统还具有带有存储器（MEM）的服务器。
[0002]本专利技术还涉及一种用于使用最佳模型来运行的设施，所述设施包括带有存储器的控制设备和技术设备。

技术介绍

[0003]“联邦学习（Federated Learning）”（简称“FL”，也称为协作学习或复合学习（Verbundlernen））是一种机器学习（简称“ML”）技术，使用该技术经由包含本地数据样本的多个分散的边缘设备或服务器来训练算法，而在此过程中不交换其数据样本。
[0004]这种已知的方案与常规的集中式机器学习技术以及经典的分散式方案不同，在常规的集中式机器学习技术的情况下所有数据样本均被上载到服务器，而在经典的分散式方案的情况下则假定本地数据样本是相同分布的。<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于使用最佳模型运行技术设施（A1
‑
A3）的方法，其中所述设施（A1
‑
A3）是具有第一技术设施（A1）和至少一个第二技术设施（A2，A3）的系统（S）的一部分，每个设施（A1
‑
A3）包括带有存储器的控制设备（15
‑
17）和所连接的技术设备（25
‑
27），并且所述系统还具有带有存储器（MEM）的服务器（FLS1），其特征在于，执行以下方法步骤（Q1
‑
Q9）：Q1）生成关于其中至少一个技术设备（25
‑
27）的设备基本模型（MB），Q2）将所述设备基本模型（MB）分布到所述第一控制设备和所述至少一个第二控制设备（15
‑
17），Q3）分别基于所述设备基本模型（MB）通过所述第一控制设备（15）生成、训练和存储第一设备模型（MS1）并且通过所述至少一个第二控制设备（16，17）生成、训练和存储至少一个第二设备模型（MS2，MS3），Q4）向所述服务器（FLS1）提供所述第一设备模型和所述至少一个第二设备模型（MS1
‑
MS3），以及将所述第一设备模型和所述至少一个第二设备模型（MS1
‑
MS3）存储在所述服务器（FLS1）的模型存储器（MEM）中，Q5）至少将那些并非已经存在于所述控制设备（15）中的设备模型（MS2，MS3）加载并提供给相对应的所述控制设备（15），Q6）将步骤Q5）中提供的所述设备模型（MS2，MS3）应用于相应的控制设备（15），并确定关于所述第一控制设备（15）的相应的相似度函数（SF1_2，SF1_3），以及将第一相似度模型（MS1，MS3）应用于所述至少一个第二控制设备（16，17），并确定关于所述至少一个第二控制设备（16，17）的相应的相似度函数（SF2_1，SF2_3，SF3_1，SF3_2），Q7）将相应的相似度函数（SF1_2，SF1_3，SF2_1，SF2_3，SF3_1，SF3_2）传送到所述服务器（FLS1），Q8）在由所述服务器（FLS1）应用所述相似度函数（SF1_2，SF1_3，SF2_1，SF2_3，SF3_1，SF3_2）的情况下形成至少一个客户组并通过在所述客户组内进行联邦学习创建相应的组模型（MG1
‑
MG3），Q9）针对设施（A1）从至少一个组模型（MG1）中选择和加载运行模型（M01），并将所述运行模型（M01）提供给所述设施的控制设备（15），以及借助于作为最佳模型所选择的运行模型（M01）来操控所述设备（25）。2.根据权利要求1所述的方法，其中，在步骤Q7）之后执行进一步的步骤：Q7a）在使用所述相似度函数（SF1_2，SF1_3，SF2_1，SF2_3，SF3_1，SF3_2）的情况下，基于“联邦平均”方法计算至少一个质心模型（MC1
‑
MC3），以及在步骤Q8）中，在形成至少一个组模型（MG1
‑
MG3）时考虑至少一个质心模型（MC1
‑
MC3）。3.根据前述权利要求中任一项所述的方法，其中，在步骤Q7）之后执行进一步的步骤：Q7b）将所...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：