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：吉林大学
摘要：本申请公开了一种基于联邦学习的数据增强方法及系统，涉及数据处理技术领域，该方法包括：根据各边缘节点的距离，将与中心服务器连接的所有边缘节点划分为多个边缘组，各边缘组中任意两个边缘节点之间的距离小于设定距离阈值；中心服务器部署有全局模型，各边缘节点均部署有本地模块，全局模型和各本地模块均为生成对抗网络；采用各边缘节点的本地数据对全局模型进行联邦学习，得到各边缘节点训练好的本地模型；联邦学习的每轮全局训练时，随机选择一个边缘组与中心服务器进行全局模型训练；采用各边缘节点的训练好的本地模型进行本地数据增强；训练好的本地模型用于根据输入的原始图像输出新的样本图像。本申请提高了数据增强的有效性。
主权项：1.一种基于联邦学习的数据增强方法，其特征在于，所述基于联邦学习的数据增强方法包括：根据各边缘节点的距离，将与中心服务器连接的所有边缘节点划分为多个边缘组，各边缘组中任意两个边缘节点之间的距离小于设定距离阈值；所述中心服务器部署有全局模型，各所述边缘节点均部署有本地模块，所述全局模型和各所述本地模块均为生成对抗网络；采用各边缘节点的本地数据对所述全局模型进行联邦学习，得到各边缘节点训练好的本地模型；所述联邦学习的每轮全局训练时，随机选择一个边缘组与所述中心服务器进行全局模型训练；采用各边缘节点的训练好的本地模型进行本地数据增强；训练好的本地模型用于根据输入的原始图像输出新的样本图像。
全文数据：
权利要求：
百度查询： 吉林大学 一种基于联邦学习的数据增强方法及系统
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