[发明专利]用于分析模型的协作机器学习的方法

权利要求书

1.一种用于分析模型AM的机器学习的方法，所述分析模型AM包括在不同客户（A，B）的任务t之间共享的核心模型组件CMC，并且包括特定于个体客户（A，B）的客户任务t的专用模型组件SMC，

其中，基于由不同客户（A，B）的客户场所（2A，2B）的机器（3A，3B）提供的本地数据LD在本地数据LD不离开相应的客户场所（2A，2B）的情况下来协作地执行分析模型AM的机器学习。

2.根据权利要求1所述的用于分析模型AM的机器学习的方法，

所述方法包括以下步骤：

（a）将特定于相关联的客户任务t的分析模型AM由第三方后端（7）部署（S1）在指派的客户计算设备CCD（4A，4B）上，所述指派的客户计算设备CCD（4A，4B）位于客户（A，B）的客户场所（2A，2B）处并且连接到提供本地数据LD的相应客户（A，B）的机器（3A，3B）；

（b）基于本地数据LD训练（S2）在指派的客户计算设备CCD（4A，4B）上执行的部署的客户任务特定的分析模型AM，以提供分析模型AM的模型更新，以及将其更新的共享核心模型组件CMC作为候选核心模型组件cCMC传送到第三方后端（7）；

（c）由第三方后端（7）组合（S3）所传送的候选核心模型组件cCMC，以提供全局候选核心模型组件gcCMC；和

（d）如果核实了部署的分析模型AM性能优于相应的候选分析模型cAM，则用包括所提供的全局候选核心模型组件gcCMC的候选分析模型cAM替换（S4）部署在客户的指派的客户计算设备CCD（4A，4B）上的分析模型AM。

3.根据权利要求1或2所述的方法，其中分析模型AM包括神经网络NN，所述神经网络NN包括若干个神经网络层。

4.根据权利要求3所述的方法，其中核心模型组件CMC包括在不同客户的任务t之间共享的神经网络NN的一个或多个底部神经网络层，并且其中专用模型组件SMC包括特定于相关联客户任务t的神经网络NN的一个或多个顶部神经网络层。

5.根据前述权利要求1至4中任一项所述的方法，其中由第三方后端（7）使用由第三方提供和/或由客户提供的可用测试数据（TD）来执行所述核实。

6.根据前述权利要求1至5中任一项所述的方法，其中通过分析包括所提供的全局候选核心模型组件gcCMC的候选分析模型cAM来执行所述核实。

7.根据前述权利要求1至6中任一项所述的方法，其中通过测试被部署在客户场所（2A，2B）的客户计算设备CCD（4A，4B）上的候选分析模型cAM来执行所述核实。

8.根据前述权利要求1至7中任一项所述的方法，其中，在安全计算设备（8A，8B）中的客户场所（2A，2B）上执行所述核实。

9.根据前述权利要求1至8中任一项所述的方法，其中在第三方后端（7）处和/或在每个客户的客户场所（2A，2B）上维护和管理包括核心模型组件CMC并且包括专用模型组件SMC的每个完整分析模型AM的多个模型版本。

10.根据权利要求9所述的方法，其中分析模型AM的模型版本包括

-分析模型AM的生产模型版本（PMV-AM），其在客户场所处的生产过程期间在生产模式下对过程数据可执行，

-分析模型AM的局部模型版本（LMV-AM），其在开发模式下可执行，具有特定于相关联的客户任务t的专用模型组件SMC并且具有固定的核心模型组件CMC，所述专用模型组件SMC在任务特定的本地数据LD基础上进行更新，

-分析模型AM的全局模型版本（GMV-AM），其在开发模式下可执行，并且具有特定于相关联的客户任务t的专用模型组件SMC并且具有核心模型组件CMC，所述专用模型组件SMC在任务特定的本地数据LD基础上进行更新，所述核心模型组件CMC在遍及跨所有客户的客户场所之上的所有兼容任务t中的本地数据LD基础上进行更新。