【技术实现步骤摘要】
本专利技术涉及产品装配质量预测的，尤其涉及到一种基于纵向联邦学习的产品装配质量预测方法及系统。
技术介绍
1、在许多制造场景中，单个产品的生产需要多个制造商的参与，而采用人工智能模型对产品装配质量进行预测时，传统的人工智能模型通常需要对从网络中的多个制造商的数据进行中央处理，也就是说，制造商应该将自己的数据上传到中央服务器，以训练学习模型。但由于某些产品服务数据保密需求较高，这些制造商提供服务时不愿意披露生产过程中产生的数据信息。对此，虽然联邦学习作为一种分布式机器学习技术，可以通过从多个分散的边缘客户端学习来创建全局模型，但同一产品在不同生产环境或检测设备所得到的特征数据往往是不同的，这导致不同的产品装配或检测环境中样本数据特征不相同，而样本id相同且只有检测方拥有特定标签数据，这符合纵向联邦学习的样本数据类型。然而，基于产品装配数据的特点，一方面数据的集中程度低，且某些企业的数据保密要求较高，另一方面，某些数据特征稀缺或分布不均。这将对模型训练带来挑战，联合各参与方训练高质量模型需要建立相应合适的模型。
本文档来自技高网...
【技术保护点】
1.一种基于纵向联邦学习的产品装配质量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于纵向联邦学习的产品装配质量预测方法，其特征在于，各参与方的数据样本在加密策略下进行样本对齐，包括：使用同态加密方法对各参与方的数据样本进行同态加密操作，接着数据样本在密文的状态下进行对齐操作。
3.根据权利要求1所述的一种基于纵向联邦学习的产品装配质量预测方法，其特征在于，对齐后的各参与方的数据样本在本地模型中经过两轮多方平行结构后，提取得到数据特征，并对数据特征进行聚合。
4.根据权利要求3所述的一种基于纵向联邦学习的产品装配质量预...
【技术特征摘要】
1.一种基于纵向联邦学习的产品装配质量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于纵向联邦学习的产品装配质量预测方法，其特征在于，各参与方的数据样本在加密策略下进行样本对齐，包括：使用同态加密方法对各参与方的数据样本进行同态加密操作，接着数据样本在密文的状态下进行对齐操作。
3.根据权利要求1所述的一种基于纵向联邦学习的产品装配质量预测方法，其特征在于，对齐后的各参与方的数据样本在本地模型中经过两轮多方平行结构后，提取得到数据特征，并对数据特征进行聚合。
4.根据权利要求3所述的一种基于纵向联邦学习的...
【专利技术属性】
技术研发人员：冷杰武，李荣杰，徐才宇，钟元蔚，谢俊星，郑恪悠，刘强，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。