[发明专利]一种基于联邦学习与多任务学习的模型训练方法有效
| 申请号： | 202011194414.4 | 申请日： | 2020-10-30 |
| 公开（公告）号： | CN112348199B | 公开（公告）日： | 2022-08-30 |
| 发明（设计）人： | 谢在鹏;陈瑞锋;叶保留;朱晓瑞;屈志昊;徐媛媛 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/04;G06N3/08;G06F9/50 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 田凌涛 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于联邦学习与多任务学习的模型训练方法，将目标神经网络中各个全连接层划为目标神经网络的后部模型，以及将其中剩余部分划为目标神经网络的前部模型；由参数服务器负责更新各目标神经网络的前部模型，交换网络中的各个工作节点终端共同负责各目标神经网络的后部模型，如此应用联邦学习框架针对目标神经网络进行训练，通过对几个任务同时训练共同或相关的网络层，使得多个任务互相促进训练准确性，提高了模型收敛速率与泛化能力，获得目标神经网络高效训练的同时，能够保证基础数据的私密性与安全性。 | ||
| 搜索关键词： | 一种 基于 联邦 学习 任务 模型 训练 方法 | ||
【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河海大学，未经河海大学许可，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/202011194414.4/，转载请声明来源钻瓜专利网。
