申请/专利权人：深圳前海微众银行股份有限公司

申请日：2020-11-11

公开（公告）日：2024-06-25

公开（公告）号：CN112365007B

主分类号：G06N20/20

分类号：G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.12.10#实质审查的生效;2021.02.12#公开

摘要：本发明公开了一种模型参数确定方法、装置、设备及存储介质，所述方法包括：获取多个客户终端分别发送的模型参数；其中，每一客户终端发送的模型参数为所述客户终端根据本地训练样本对全局模型进行训练后得到的模型参数；对于获取到的每一客户终端的模型参数，通过测试数据集确定所述模型参数对应的准确率；根据每一客户终端的模型参数对应的准确率，确定所述客户终端的模型权重，其中，所述模型权重与所述准确率为负相关关系；根据各个客户终端的模型权重，对所述多个客户终端的模型参数进行聚合，得到更新后的全局模型参数，本发明能够重点对性能不好的模型进行优化，提高处理小客户终端的数据时的准确率，提升模型的整体性能。

主权项：1.一种全局模型的模型参数确定方法，其特征在于，应用于服务器，所述方法包括：获取多个客户终端分别发送的模型参数；其中，每一客户终端发送的模型参数为所述客户终端根据本地训练样本对所述全局模型进行训练后得到的模型参数，所述本地训练样本包括图像，所述全局模型用于对所述图像进行识别；确定所述每一客户终端的本地训练样本的数量；根据各个客户终端的本地训练样本的数量，计算从所述每一客户终端抽取的训练样本的数量；其中，所述各个客户终端的抽取比例相同，所述每一客户终端的抽取比例为从所述客户终端抽取的训练样本的数量与所述客户终端的本地训练样本的数量的比值；根据计算结果，从所述各个客户终端抽取相应数量的训练样本，组成测试数据集；对于获取到的每一客户终端的模型参数，通过所述测试数据集确定所述模型参数对应的第三准确率，包括：针对所述每一客户终端执行如下操作：获取当前客户终端通过对应的模型参数对本地训练样本进行测试后得到的第一准确率；确定所述测试数据集中除所述当前客户终端对应的训练样本以外的其它训练样本；通过所述当前客户终端对应的模型参数对所述其它训练样本进行测试，得到所述模型参数对应的第二准确率；对所述第一准确率和所述第二准确率进行融合处理，得到所述当前客户终端的模型参数对应的所述第三准确率；根据所述每一客户终端的模型参数对应的所述第三准确率，确定所述各个客户终端的模型权重，包括：获取各个客户终端的样本数量占比；其中，每一客户终端对应的样本数量占比为所述客户终端的本地训练样本的数量与所述多个客户终端的本地训练样本的总数量的比值；对于每一客户终端，将所述客户终端的模型参数对应的所述第三准确率与修正数值相加，得到相加结果；将所述客户终端对应的样本数量占比与所述相加结果相除，得到所述客户终端的模型权重；其中，所述样本数量占比与所述模型权重为正相关关系，所述当前客户终端的模型权重与所述当前客户终端的模型参数对应的所述第三准确率为负相关关系；根据所述各个客户终端的模型权重，对所述多个客户终端的模型参数进行聚合，得到更新后的所述全局模型的全局模型参数。

全文数据：

权利要求：

百度查询： 深圳前海微众银行股份有限公司 模型参数确定方法、装置、设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD