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：北京邮电大学;国网浙江省电力有限公司电力科学研究院
摘要：本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括：由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集，并分发至多个联邦学习工人节点；联邦学习工人节点基于目标利润函数迭代训练本地模型；聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后，根据各个本地模型权重分布和整体本地模型权重分布，计算每个联邦学习工人节点对应的地动距离，并剔除超过预设距离阈值的联邦学习工人节点；由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除，减少异质性数据带来的精度损失，提高了传统算法在产业链中的应用可靠性。
主权项：1.一种面向大规模产业链隐私计算的联邦学习模型训练方法，其特征在于，包括：步骤101，获取产业链业务训练数据集，由联邦学习中心服务器节点以非独立同分布non-iid为目标划分所述产业链业务训练数据集，得到多个产业链业务训练子数据集，并将所述多个产业链业务训练子数据集分发至多个联邦学习工人节点；步骤102，所述联邦学习工人节点将所述联邦学习中心服务器分发的所述产业链业务训练子数据集作为输入，基于目标利润函数迭代训练本地模型，更新所述本地模型权重，并将更新后的所述本地模型权重发送至聚合服务器节点；步骤103，所述聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后，根据每个联邦学习工人节点的本地模型权重分布和全部联邦学习工人节点的整体本地模型权重分布，计算每个联邦学习工人节点对应的地动距离EMD，并剔除超过预设EMD阈值的联邦学习工人节点；步骤104，由剩余的联邦学习工人节点重复步骤101至步骤103，直至所述联邦学习模型收敛或达到预设迭代次数。
全文数据：
权利要求：
百度查询： 北京邮电大学 国网浙江省电力有限公司电力科学研究院 面向大规模产业链隐私计算的联邦学习模型训练方法
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