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：河海大学
申请日：2024-04-19
公开（公告）日：2024-06-18
公开（公告）号：CN118211679A
主分类号：G06N20/00
分类号：G06N20/00;G06F9/50
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于原型表示的联邦学习训练方法及系统，基于神经网络训练模型，中央服务器初始化全局模型和特征适配器网络模型，并将全局模型参数同步至所有参与训练的边缘设备；每轮迭代中边缘设备执行本地训练形成本地原型，进行本地模型更新，并将本地原型和本地模型参数上传至服务器，服务器基于本地模型参数、本地原型训练适配器网络更新无偏原型和全局原型、全局模型，将更新后的全局模型参数和原型发送至边缘设备，边缘设备利用无偏原型和全局原型优化本地训练。本发明方法及相应的训练系统解决了特征偏移场景下联邦学习所训练的模型泛化能力较弱的问题，能够提高模型的准确率。
主权项：1.一种基于原型表示的联邦学习训练方法，其特征在于，该方法包括以下步骤：1初始化步骤：基于神经网络训练模型，中央服务器初始化全局模型、特征适配器网络模型、全局原型和无偏原型，并将全局模型参数、全局原型和无偏原型广播给所有参与训练的边缘设备。2在每一轮迭代过程中，进行如下步骤：21各边缘设备利用所接收的全局模型参数更新本地模型；22各边缘设备利用本地数据、全局原型和无偏原型优化本地模型，再利用本地数据和优化后的本地模型获取本地原型，将本地原型和本地模型参数上传至所述中央服务器；23所述中央服务器根据各边缘设备上传的本地模型参数更新所述全局模型，根据各边缘设备上传的本地原型更新所述全局原型；基于各边缘设备的本地原型训练所述特征适配器网络模型，使用所述特征适配器网络模型处理所述本地原型来更新无偏原型；24所述中央服务器将更新后的全局模型参数、全局原型和无偏原型广播给各边缘设备，进入下一轮迭代过程。
全文数据：
权利要求：
百度查询： 河海大学 一种基于原型表示的联邦学习训练方法及系统
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