龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：河南大学
摘要：本发明公开一种利用个性化模型自适应优化联邦学习局部模型的方法和系统，在进行联邦学习训练过程中，利用个性化模型来优化客户端局部模型，通过在客户端将新下载的全局模型与上一轮得到的个性化模型结合来优化用于本地训练的模型，使客户端准确地捕捉到全局模型中的有效信息，从而提高客户端训练出的局部模型的性能。本发明利用个性化模型来优化客户端局部模型，通过在客户端对参与本地训练的模型进行改进，使客户端捕捉到全局模型中的有效信息，来提高客户端训练出的局部模型的性能，相对于传统的联邦学习方法，本发明做了轻量级的改动，易于操作，且在其他联邦训练过程中均可使用，也同样具有良好的表现。
主权项：1.一种利用个性化模型自适应优化联邦学习局部模型的方法，其特征在于，包括：步骤1：获取联邦学习数据集，所述数据集包括训练和测试所需的图像数据与对应的类别标签；步骤2：对数据集进行预处理，将数据集划分为测试数据集与训练数据集，并将测试数据集发送到服务器，训练数据集平均分发给各个客户端；步骤3：服务器初始化CNN网络模型作为初始全局模型，并将全局模型发送到参与训练的各个客户端；步骤4：客户端下载全局模型和上一轮得到的个性化模型，分别对全局模型和个性化模型进行预训练，根据预训练结果将个性化模型与全局模型结合生成新的待训练模型，客户端利用本地数据对待训练模型进行本地训练得到局部模型，同时利用局部模型更新本轮的个性化模型，最后客户端将训练完成的局部模型发送给服务器；步骤5：服务器端将接收到客户端局部模型参数的梯度加权平均并与上一轮聚合后模型参数相加，以更新全局模型参数，最后将聚合后的模型参数回传给参与训练的客户端设备；步骤6：重复步骤4和步骤5训练模型直至损失函数达到收敛获得最终生成的全局模型；步骤7：在服务器利用测试数据集对最终生成的模型进行测试，并得到相应的测试结果。
全文数据：
权利要求：
百度查询： 河南大学 利用个性化模型自适应优化联邦学习局部模型的方法和系统
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