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：浙江大学
摘要：本发明公开了一种基于原型对齐学习的个性化联邦学习方法，该方法包括：服务器初始化全局模型参数和全局类原型集，并下发给各个客户端，以对客户端的本地模型进行初始化；各个客户端利用本地私有训练数据和全局类原型集对本地模型进行迭代训练，获取训练好的本地模型参数和本地类原型集，并上传给服务器；服务器根据所有客户端的本地模型参数和本地类原型集进行加权聚合，获得更新后的全局类原型集、全局特征提取器参数和各个客户端个性化分类器参数，并下发给各个客户端；各个客户端重复训练本地模型，直至达到预设的通信轮次或所有本地模型的目标损失函数收敛为止。本发明能够大大降低泄露用户敏感信息的风险，有利于提高模型的精度和性能。
主权项：1.一种基于原型对齐学习的个性化联邦学习方法，其特征在于，包括以下步骤：1中心服务器对全局模型参数{φ,ψ}、全局类原型集进行初始化；其中，全局模型参数{φ,ψ}包括全局特征提取器参数φ和分类器参数ψ；2中心服务器选择部分客户端作为本轮训练的参与方，并将初始化后的全局模型参数{φ,ψ}以及全局类原型集下发给联邦学习的各个客户端，各个客户端根据接收到的全局模型参数{φ,ψ}对本地模型进行初始化；3客户端i利用本地私有训练数据以及接收到的全局类原型集对本地模型进行迭代训练，以获取训练好的本地模型参数{φi,ψi}以及本地类原型集Ci，并将其上传给中心服务器；4中心服务器根据所有客户端上传的本地模型参数{φi,ψi}以及本地类原型集Ci进行加权聚合，获得更新后的全局类原型集全局特征提取器参数以及各个客户端个性化分类器参数，并将其下发给各个客户端；5各个客户端根据自身接收到的更新后的全局特征提取器参数以及客户端个性化分类器参数对其本地模型进行更新；6重复步骤3-步骤5，直至达到预设的通信轮次或所有客户端的本地模型的目标损失函数收敛为止。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于原型对齐学习的个性化联邦学习方法
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