[发明专利]一种联邦学习模型的训练方法及装置有效
| 申请号： | 201910579324.8 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110263921B | 公开（公告）日： | 2021-06-04 |
| 发明（设计）人： | 黄安埠 | 申请（专利权）人： | 深圳前海微众银行股份有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N20/00 |
| 代理公司： | 北京同达信恒知识产权代理有限公司 11291 | 代理人： | 黄志华 |
| 地址： | 518027 广东省深圳市*** | 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： | 本发明涉及人工智能领域，公开了一种联邦学习模型的训练方法及装置，其中方法包括：服务器在下发第k+1个训练周期的全局参数之前，根据参与联邦学习模型的终端的连接状态，确定第一终端和第二终端；第一终端为无法连接的终端；第二终端为连接正常的终端；服务器确定第一终端中贡献度满足设定条件的M个网络层的第二局部参数；服务器根据第k个训练周期的第一终端的M个网络层的第二局部参数和第二终端上传的N个网络层的第一局部参数，确定第k+1个训练周期下发至第二终端的N个网络层的全局参数，用以降低由于终端掉线导致对模型的训练效果的影响的问题。 | ||
| 搜索关键词： | 一种 联邦 学习 模型 训练 方法 装置 | ||
【主权项】：
1.一种联邦学习模型的训练方法，其特征在于，所述方法包括：服务器在下发第k+1个训练周期的全局参数之前，根据参与联邦学习模型的终端的连接状态，确定第一终端和第二终端；所述第一终端为无法连接的终端；所述第二终端为连接正常的终端；所述联邦学习模型包括N个网络层；所述服务器确定所述第一终端在第k个训练周期上传的N个网络层的第一局部参数对应所述联邦学习模型的N个网络层的全局参数的贡献度；所述贡献度用于表征所述第一局部参数在所述联邦学习模型的N个网络层的提取特征的有效程度；M、N、k为正整数；所述服务器确定所述第一终端中贡献度满足设定条件的M个网络层的第二局部参数；M小于或等于N；所述服务器根据第k个训练周期的第一终端的M个网络层的第二局部参数和第二终端上传的N个网络层的第一局部参数，确定第k+1个训练周期下发至第二终端的N个网络层的全局参数，以使所述第二终端根据所述第k+1个训练周期的N个网络层的全局参数更新所述第二终端的本地模型。
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/201910579324.8/，转载请声明来源钻瓜专利网。
