[发明专利]一种联邦学习系统的优化方法在审
| 申请号： | 202210532203.X | 申请日： | 2022-05-09 |
| 公开（公告）号： | CN114943342A | 公开（公告）日： | 2022-08-26 |
| 发明（设计）人： | 王强;陈镜伊;张文琦 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06K9/62 |
| 代理公司： | 北京永创新实专利事务所 11121 | 代理人： | 易卜 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种联邦学习系统的优化方法，属于大规模分布式边缘智能学习领域，具体为：服务器创建全局模型初始化后下发至所有用户端；各用户端分别利用各自隐私数据集进行训练，得到个性化的本地模型，随后进入联邦学习的循环过程，每一轮循环皆如下：服务器对用户端进行聚类，结合用户端的贡献度选择上行传输用户端集合，集合中各用户端压缩本地模型并上传；服务器利用联邦平均方法以及无标签数据集对本地模型进行聚合和对齐，以更新全局模型并压缩后下发到根据用户需求选择的下行传输用户端集合中；各用户端用隐私数据集再次训练为新的个性化模型，循环直至本地模型及全局模型皆收敛。因此，本发明提升了通信效率，实现了联邦学习的高效训练。 | ||
| 搜索关键词： | 一种 联邦 学习 系统 优化 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北京邮电大学，未经北京邮电大学许可，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/202210532203.X/，转载请声明来源钻瓜专利网。
