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：燕山大学
申请日：2024-04-08
公开（公告）日：2024-06-21
公开（公告）号：CN118228807A
主分类号：G06N3/098
分类号：G06N3/098;G06N3/042;G06N3/045;G06N3/096;G06F18/10;G06F18/2113;G06F18/214;G06F18/2431
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明属于联邦学习技术领域，具体公开了一种具有噪声标签和不平衡数据的联邦学习方法，在联邦学习场景下，将采用不同数据增强策略的训练数据输入单神经网络M1中，分别得到弱增强输出和强增强输出，随后将这两种输出与真实的数据标签一起进行联合损失计算，从而得到小损失样本；将经过强增强处理的小损失样本输入单神经网络中，利用自平衡优化后的损失函数进行缺失类和激活类长尾处理，最终得到训练好的模型。与现有技术相比，本发明使用单网络模拟的协同网络过滤噪声标签样本，结合自平衡方法，有效解决了在长尾和噪声标签的联邦场景中模型精度下降的问题。
主权项：1.一种具有噪声标签和不平衡数据的联邦学习方法，其特征在于，包括以下步骤：Step1，在联邦学习场景下，将采用不同数据增强策略的训练数据输入单神经网络M1中，分别得到弱增强输出和强增强输出，随后将这两种输出与真实的数据标签一起进行联合损失计算，从而得到小损失样本；Step2，将经过强增强处理的小损失样本输入单神经网络中，利用自平衡优化后的损失函数进行缺失类和激活类长尾处理，最终得到训练好的模型。
全文数据：
权利要求：
百度查询： 燕山大学 一种具有噪声标签和不平衡数据的联邦学习方法
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