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：齐鲁工业大学(山东省科学院)
摘要：本发明属于联邦学习技术领域，尤其涉及一种基于深度强化学习的自适应异步联邦学习方法及系统，方法包括：将可穿戴设备作为联邦学习客户端，客户端与服务端进行通信，在服务端上全局模型更新的过程中，利用深度强化学习自适应地确定每个全局轮中客户端的聚合数量，包括：将第t轮迭代中，客户端参与聚合的数量作为智能体的动作；智能体观测联邦学习环境中的状态并输出动作；智能体输出的动作在联邦学习环境中执行后，环境给出下一个状态和奖励，迭代训练直至最大化累计奖励，得到最终的动作。本发明综合考虑了联邦学习中的数据量不平衡、设备计算能力不同、资源约束等问题，采用深度强化学习进行自适应参数的计算，提升联邦学习系统训练效率。
主权项：1.一种基于深度强化学习的自适应异步联邦学习方法，其特征在于，包括：将可穿戴设备作为联邦学习客户端，客户端与服务端进行通信，并且在客户端和服务端上分别进行模型更新；在服务端上全局模型更新的过程中，利用深度强化学习方法自适应地确定每个全局轮中客户端的聚合数量，包括：将第t轮迭代中，客户端参与聚合的数量作为智能体的动作；将联邦学习环境中客户端第t轮训练中的迭代次数、训练完成时间、服务端的全局模型、损失参数以及带宽消耗和剩余带宽资源作为状态；将训练完成时间、损失值差值以及资源损耗作为环境奖励；智能体观测联邦学习环境中的状态并输出动作；智能体输出的动作在联邦学习环境中执行后，环境给出下一个状态和奖励，迭代训练策略网络，直至最大化累计奖励，得到最终的动作；所述损失参数包括全局模型的损失函数、当前损失值与目标损失值之差以及损失阈值；在服务端上全局模型更新的过程中，根据本轮客户端上传的局部模型数据量以及延迟程度来动态调整聚合权重。
全文数据：
权利要求：
百度查询： 齐鲁工业大学(山东省科学院) 基于深度强化学习的自适应异步联邦学习方法及系统
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