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：中国人民解放军国防科技大学
摘要：本发明公开了一种基于聚类客户端选择和带宽分配的高效联邦学习方法，包括：边缘服务器收集客户端的信息，根据本地数据分布情况对客户端聚类；在每一轮训练中，边缘服务器从各客户端集群中依据客户端效用选择候选客户端并分配带宽，将待训练的全局分类模型广播给所有客户端；各候选客户端利用本地数据对待训练的全局分类模型进行训练，将训练后的模型参数上传给边缘服务器；边缘服务器对收到的所有训练后的模型参数加权平均聚合得到本轮训练的新全局分类模型并下发，判断其性能是否达到预期；若否进行下一轮训练；若是结束训练得到训练完成的全局分类模型，以用于联邦学习分类任务。本发明能提升边缘联邦学习的训练效率，提升分类准确性。
主权项：1.一种基于聚类客户端选择和带宽分配的高效联邦学习方法，其特征在于，应用于包括一个边缘服务器和多个客户端的边缘联邦学习系统，所述方法包括：所述边缘服务器收集所有客户端的信息；其中，任一客户端的信息包括该客户端的本地数据分布情况、计算能力和通信条件；所述边缘服务器根据所有客户端的本地数据分布情况对客户端聚类，得到多个客户端集群；在联邦学习的每一轮训练中，所述边缘服务器从每个客户端集群中依据客户端效用选择候选客户端；对选出的所有候选客户端进行带宽分配；所述边缘服务器将待训练的全局分类模型广播给所有客户端；各候选客户端利用本地数据对所述待训练的全局分类模型进行训练，并将训练后的模型参数上传给所述边缘服务器；所述边缘服务器对收到的所有训练后的模型参数进行加权平均聚合，得到本轮训练的新全局分类模型，并下发给所有客户端；所述边缘服务器判断本轮训练的新全局分类模型的性能是否达到预期；若否，进行下一轮训练；若是，结束训练，得到训练完成的全局分类模型，以用于联邦学习分类任务。
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 基于聚类客户端选择和带宽分配的高效联邦学习方法
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