信息处理系统、方法、装置、设备及存储介质制造方法及图纸

本申请属于信息处理技术领域，具体涉及一种信息处理系统、方法、装置、设备及存储介质。本申请旨在解决无法在短时间内得到训练后的全局模型的问题。该系统包括：参与联邦学习的第一数据提供方、协作方和多个第二数据提供方；第一数据提供方用于生成并向协作方发送数字孪生模型；数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；协作方用将数字孪生模型发送给各个第二数据提供方，以使第二数据提供方基于本地数据对数字孪生模型进行训练并接收相应的模型参数；并对所述模型参数进行聚合处理，得到全局模型，使得各个第二数据提供方能够在数字孪生模型的基础上进行训练，从而提高确定全局模型的效率。的效率。的效率。

【技术实现步骤摘要】
信息处理系统、方法、装置、设备及存储介质


[0001]本申请属于信息处理
，具体涉及一种信息处理系统、方法、装置、设备及存储介质。

技术介绍

[0002]联邦机器学习(Federated machine learning)，又称联邦学习(Federated Learning)，能够在数据不出本地的前提下，联合各方进行数据使用和协同建模，成为隐私保护计算中的一种常用方法。
[0003]现有的联邦学习的训练方法中，参与联邦学习训练的包括协作方和各个数据提供方。在进行训练时，协作方与各个数据提供方共同确定下发的初始模型，基于各个数据提供方的本地数据进行训练，但是，数据提供方较多，且若每个数据提供方的数据量较大时，则会存在训练时间较长的问题。
[0004]因此，现有技术无法在短时间内得到训练后的全局模型，具有效率较低的问题。

技术实现思路

[0005]为了解决现有技术中的上述问题，即为了解决无法在短时间内得到训练后的全局模型，存在训练效率较低的问题，本申请提供了一种信息处理系统、方法、装置、设备及存储介质，通过在第一数据提供方中设置数字孪生平台，对第一数据提供方中的实体目标设备的运行过程进行模拟，得到数字孪生模型，再将得到的数字孪生模型去指导第二数据提供方，使得第二数据提供方能够快速准确的确定模型参数，进而提高全局模型的训练效率。
[0006]第一方面，本申请实施例提供了一种信息处理系统，所述系统包括：参与联邦学习的第一数据提供方、协作方和多个第二数据提供方；
[0007]所述第一数据提供方用于生成并向协作方发送数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；
[0008]所述协作方用于接收所述第一数据提供方发送的数字孪生模型，并将所述数字孪生模型发送给各个第二数据提供方，并接收各个第二数据提供方上传的模型参数；对所述模型参数进行聚合处理，得到全局模型；
[0009]所述第二数据提供方用于接收所述协作方发送的数字孪生模型，并根据各自的本地数据对所述数字孪生模型进行训练以得到模型参数，并将所述模型参数发送给所述协作方。
[0010]第二方面，本申请实施例提供了一种信息处理方法，所述方法应用于第一数据提供方，所述方法包括：
[0011]基于数字孪生平台对实体目标设备运行过程进行模拟预测，根据预测结果确定数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测
试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；
[0012]将所述数字孪生模型发送给协作方，以使协作方将所述数字孪生模型发送给各个第二数据提供方。
[0013]可选的，所述基于数字孪生平台对实体目标设备运行过程进行模拟预测，根据预测结果确定数字孪生模型，包括：
[0014]生成改变影响目标结果的当前所有设备运行状态的控制指令；
[0015]根据所述控制指令在三维模型中模拟实体目标设备的运行过程，并得到与所述控制指令对应的预测结果；所述三维模型是基于所述实体目标设备建立的；
[0016]基于深度学习算法根据所述当前所有设备运行状态以及对应的预测结果得到所述数字孪生模型。
[0017]可选的，所述实体目标设备为卷烟机；所述设备运行状态包括：针辊转速、VE吸风室负压、小风机正压及挡板高度、设备运行时间、故障率中的至少一项；所述目标结果为烟支重量稳定性。
[0018]第三方面，本申请实施例提供一种信息处理方法，应用于协作方，所述方法包括：
[0019]接收所述第一数据提供方发送的数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；
[0020]将所述数字孪生模型发送给各个第二数据提供方，以使各个第二数据提供方利用本地数据对所述数字孪生模型进行训练得到模型参数；
[0021]接收各个第二数据提供方上传的模型参数，对所述模型参数进行聚合处理，得到全局模型。
[0022]可选的，将所述数字孪生模型发送给各个第二数据提供方，包括：
[0023]将所述数字孪生模型和本次待校验的设备运行状态发送给各个第二数据提供方，以使各个第二数据提供方利用本地数据对所述数字孪生模型中所述本次待校验的设备运行状态进行训练，得到模型参数；
[0024]相应的，接收各个第二数据提供方分别发送的模型参数，包括：
[0025]接收所述各个第二数据提供方发送的所述本次待校验的设备运行状态的修改值，以及当所述设备运行状态为所述修改值时对应的烟支重量稳定性；
[0026]相应的，对所述模型参数进行聚合处理以得到全局模型，包括：
[0027]针对每一本次待校验的设备运行状态，根据所述修改值和对应的烟支重量稳定性确定更新后的模型参数；所述更新后的模型参数为所述各个设备运行状态的目标数值。
[0028]可选的，根据所述修改值和对应的烟支重量稳定性确定更新后的模型参数，包括：
[0029]针对每一次待校验的设备运行状态，将所述修改值以及对应的所述烟支重量稳定性相乘，并将每一第二数据提供方对应的相乘结果以及第一数据提供方对应的相乘结果相加，得到相加结果；
[0030]将所述相加结果与预设系数相乘，将得到的相乘结果确定为所述全局模型中与所述待校验的设备运行状态对应的模型参数以得到更新后的模型参数。
[0031]可选的，所述方法还包括：
[0032]将所述更新后的模型参数发送给第一数据提供方法和各个第二数据提供方，并重复执行第一数据提供方和第二数据提供方利用各自本地数据对所述数字孪生模型进行训练得到模型参数，接收第一数据提供方和各个第二数据提供方上传的模型参数，对所述模型参数进行聚合处理，得到全局模型的过程，直至确定所述全局模型收敛；
[0033]当所述全局模型收敛后，确定下次待校验的设备运行状态，直至所述多个设备运行状态均校验完毕。
[0034]第四方面，本申请实施例提供一种信息处理方法，应用于第二数据提供方，所述方法包括：
[0035]接收所述协作方发送的数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；
[0036]根据各自的本地数据对所述数字孪生模型进行训练以得到模型参数，并将所述模型参数发送给所述协作方；
[0037]重复执行上述步骤直至得到全局模型。
[0038]第五方面，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理系统，其特征在于，所述系统包括：参与联邦学习的第一数据提供方、协作方和多个第二数据提供方；所述第一数据提供方用于生成并向协作方发送数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；所述协作方用于接收所述第一数据提供方发送的数字孪生模型，并将所述数字孪生模型发送给各个第二数据提供方，并接收各个第二数据提供方上传的模型参数；对所述模型参数进行聚合处理，得到全局模型；所述第二数据提供方用于接收所述协作方发送的数字孪生模型，并根据各自的本地数据对所述数字孪生模型进行训练以得到模型参数，并将所述模型参数发送给所述协作方。2.一种信息处理方法，其特征在于，所述方法应用于第一数据提供方，所述方法包括：基于数字孪生平台对实体目标设备运行过程进行模拟预测，根据预测结果确定数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；将所述数字孪生模型发送给协作方，以使所述协作方将所述数字孪生模型发送给各个第二数据提供方。3.根据权利要求2所述的方法，其特征在于，所述基于数字孪生平台对实体目标设备运行过程进行模拟预测，根据预测结果确定数字孪生模型，包括：生成改变影响目标结果的当前所有设备运行状态的控制指令；根据所述控制指令在三维模型中模拟实体目标设备的运行过程，并得到与所述控制指令对应的预测结果；所述三维模型是基于所述实体目标设备建立的；基于深度学习算法根据所述当前所有设备运行状态以及对应的预测结果得到所述数字孪生模型。4.根据权利要求2或3所述的方法，其特征在于，所述实体目标设备为卷烟机；所述设备运行状态包括：针辊转速、VE吸风室负压、小风机正压及挡板高度、设备运行时间、故障率中的至少一项；所述目标结果为烟支重量稳定性。5.一种信息处理方法，其特征在于，应用于协作方，所述方法包括：接收所述第一数据提供方发送的数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；将所述数字孪生模型发送给各个第二数据提供方，以使各个第二数据提供方利用本地数据对所述数字孪生模型进行训练得到模型参数；接收各个第二数据提供方上传的模型参数，对所述模型参数进行聚合处理，得到全局模型。6.根据权利要求5所述的方法，其特征在于，将所述数字孪生模型发送给各个第二数据提供方，包括：
将所述数字孪生模型和本次待校验的设备运行状态发送给各个第二数据提供方，以使各个第二数据提供方利用本地数据对所述数字孪生模型中所述本次待校验的设备运行状态进行训练，得到模型参数；相应的，接收各个第二数据提供方分别发送的模型参数，包括：接收所述各个第二数据提供方发送的所述本次待校验的设备运行状态的修改值，以及当所述设备运行状态为所述修改值时对应的烟支重量稳定性；相应的，对所述模型参数进行聚合处理以得到全局模型，包括：针对每一本次待校验的设备运行状态，根据所述修改值和对应的烟支重量稳定性确定更新后的模型参数；所述更新后的模型参数为所述各个设备运行状态的目标数值。7.根据权利要求6所述的方法，其特征在于，根据所述修改值和对应的烟支重量稳定性确定更新后的模型参数，包括：针对每一次待校验的设备运行状态，将所述修改值以及对应的所述...

【专利技术属性】
技术研发人员：官祥臻，孙来超，刘杰，王培聪，王守森，杨凯，
申请(专利权)人：青岛海尔工业智能研究院有限公司海尔数字科技青岛有限公司，
类型：发明
国别省市：