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：中国人民解放军国防科技大学
申请日：2024-03-22
公开（公告）日：2024-06-25
公开（公告）号：CN118246576A
主分类号：G06N20/20
分类号：G06N20/20;G06F21/62
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本申请涉及基于边缘无状态网内聚合的联邦学习方法和系统，该方法通过采用网内聚合的技术设计，由聚合交换机通过加法操作对自身连接的所有子节点的加权模型更新进行聚合，再将得到的聚合结果传输到网络中该聚合交换机所连接的其他后续节点，以便后续节点中的其他聚合交换机同理执行自身连接的所有子节点的加权模型更新聚合，直至中心服务器获取到来自这些聚合交换机传输过来的最终聚合结果，最终使得中心服务器只需根据自身存储的上一轮次的全局模型参数、计算的当前轮次未更新数据集大小的比例以及获取的最终聚合结果，计算得到当前轮次的全局模型参数，从而完成当前轮次的全局模型更新，提高联邦学习性能。
主权项：1.一种基于边缘无状态网内聚合的联邦学习方法，其特征在于，包括步骤：在当前轮次的全局模型更新时，获取并预缓存中心服务器传递给选中的客户端的数据权重；其中，所述数据权重为是第i个客户端的本地数据集大小，n为所有客户端的本地数据集的总大小；获取连接的所有子节点的本地模型更新数据后通过加法操作进行聚合；其中，所述子节点包括选中的各客户端，所述本地模型更新数据为所述客户端根据自身对应的数据权重和更新后的本地模型参数上传的加权模型更新；将聚合结果传输到后续节点执行数据转发或后级聚合交换机上的加法操作；其中，最终送到所述中心服务器上的最终聚合结果用于指示所述中心服务器采样异步联邦学习的模型更新方案完成当前轮次的全局模型更新，所述异步联邦学习的模型更新方案为所述中心服务器根据自身存储的上一轮次的全局模型参数、计算的当前轮次未更新数据集大小的比例以及所述最终聚合结果，计算得到当前轮次的全局模型参数。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于边缘无状态网内聚合的联邦学习方法和系统
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