[发明专利]基于半监督的横向联邦学习优化方法、设备及存储介质在审
| 申请号： | 202010084917.X | 申请日： | 2020-02-10 |
| 公开（公告）号： | CN111291897A | 公开（公告）日： | 2020-06-16 |
| 发明（设计）人： | 魏锡光;李权;鞠策;高大山;曹祥;刘洋;陈天健 | 申请（专利权）人： | 深圳前海微众银行股份有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 张婷 |
| 地址： | 518000 广东省深圳市前海深港合作区前*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于半监督的横向联邦学习优化方法、设备及存储介质，所述方法包括：接收服务端下发的本次无标签全局模型更新的全局模型参数；根据全局模型参数和训练样本对本地的待训练模型进行自监督训练，更新待训练模型中的编码器参数和解码器参数得到本地模型参数；将本地模型参数发送给服务端，以供服务端根据各客户端发送的本地模型参数对待训练模型进行有监督训练，得到新一次无标签全局模型更新的全局模型参数并下发给各客户端；循环直到满足预设条件时停止训练得到目标模型。本发明实现在客户端只有少量标签数据甚至完全没有标签数据时，也能够进行横向联邦学习，从而适应缺乏标签数据的现实场景，节省人力成本。 | ||
| 搜索关键词： | 基于 监督 横向 联邦 学习 优化 方法 设备 存储 介质 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司，未经深圳前海微众银行股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010084917.X/，转载请声明来源钻瓜专利网。
