龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)
申请日：2024-04-09
公开（公告）日：2024-06-14
公开（公告）号：CN118200217A
主分类号：H04L45/00
分类号：H04L45/00;H04L45/02;H04L45/03;H04L45/036
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本公开提供了基于动态异构联邦学习的协同通信方法及系统，涉及联邦学习数据通信技术领域，包括：中央服务器随机初始化全局模型参数，服务器广播全局模型参数副本至参与方客户端参与方客户端利用本地数据集和初始模型计算本地设备的模型梯度，依次进行局部更新，中央服务器接收到来自参与方客户端的更新就绪信号后，生成多组自适应设备簇，每个簇内的参与方客户端上传本地设备的模型梯度，中央服务器收到所有本地设备的模型梯度执行模型聚合更新簇内的全局模型，使用特定通信拓扑将簇内的全局模型发送给其他簇，来更新本地的模型，达到组间的模型同步和知识共享。
主权项：1.基于动态异构联邦学习的协同通信方法，其特征在于，包括：初始化参与通信的参与方客户端以及中央服务器；基于半异步的联邦学习模型，利用结合集中式和分散式训练，生成通信的特定拓扑完成协同通信；其中，半异步的联邦学习模型的运行过程包括：参与方客户端利用本地数据集和初始模型计算本地设备的模型梯度，依次进行局部更新，中央服务器接收到来自参与方客户端的更新就绪信号后，生成多组自适应设备簇，每个簇内的参与方客户端上传本地设备的模型梯度，中央服务器收到所有本地设备的模型梯度执行模型聚合更新簇内的全局模型，使用特定通信拓扑将簇内的全局模型发送给其他簇，来更新本地的模型，达到组间的模型同步和知识共享。
全文数据：
权利要求：
百度查询： 山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院) 基于动态异构联邦学习的协同通信方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号