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：中山大学
申请日：2024-04-15
公开（公告）日：2024-06-25
公开（公告）号：CN118246522A
主分类号：G06N3/098
分类号：G06N3/098;G06F18/214;G06F9/50
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明提供一种面向异质数据高效鲁棒的联邦学习算法，所述的方法用于参数服务器的联邦学习架构，包括：S1、定义本地模型的本地损失函数fiw和全局损失函数fw；S2、采用小批量随机梯度下降方法更新本地模型；S3、根据客户端非独立同分布的数据，为每一个客户端i构建相应的个性化矫正因子S4、利用个性化矫正因子对每个客户端i的本地模型进行更新。本发明相对于现有技术能够提高预测准确率；而且还能够更好地抵御一般的恶意节点和找出隐藏的懒惰节点；本发明能够解决在面向非独立同分布数据时模型收敛稳定性差，时间效率低，以及鲁棒性差的技术问题。
主权项：1.一种面向异质数据高效鲁棒的联邦学习算法，其特征在于：所述的方法用于参数服务器的联邦学习架构，包括N个客户端，定义为集合以及一个用于全局聚合的中央参数服务器；并且每个客户端具有异质的计算和通讯资源，且有相应的私有的本地数据集所述的本地数据集包含个数据样本所述的联邦学习方法包括以下步骤：S1、定义本地模型的本地损失函数fiw和全局损失函数fw分别为： 式中，Di表示本地数据集样本数；xi,j表示第i个客户端的第j个数据样本；w为本地模型参数；lw,xi,j为样本数据xi,j的损失函数；S2、采用小批量随机梯度下降方法更新本地模型，并将本地模型更新的累计梯度上传到中央参数服务器进行聚合，中央参数服务器根据得到的全局梯度更新全局模型；S3、根据客户端非独立同分布的数据，为每一个客户端i构建相应的个性化矫正因子S4、利用个性化矫正因子对每个客户端i的本地模型进行更新。
全文数据：
权利要求：
百度查询： 中山大学 一种面向异质数据高效鲁棒的联邦学习算法
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