[发明专利]基于联邦学习的模型训练方法、装置及服务器在审
| 申请号： | 201910739086.2 | 申请日： | 2019-08-12 |
| 公开（公告）号： | CN110442457A | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 雷凯;黄济乐;方俊杰 | 申请（专利权）人： | 北京大学深圳研究生院 |
| 主分类号： | G06F9/50 | 分类号： | G06F9/50;G06F21/62;G06K9/62;G06K9/00 |
| 代理公司： | 深圳鼎合诚知识产权代理有限公司 44281 | 代理人： | 郭燕 |
| 地址： | 518055 广东省*** | 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： | 本发明实施例提供一种基于联邦学习的模型训练方法、装置及服务器。该方法包括：将待训练模型发送至多个工作节点；接收多个工作节点反馈的本地模型，本地模型是各工作节点根据各自所拥有的数据对待训练模型进行训练获得的；根据测试数据集确定各个本地模型的精度；根据各个本地模型的精度确定各个本地模型的权重系数，权重系数与精度正相关；根据多个本地模型以及对应的权重系数，对待训练模型进行更新。本发明实施例的方法，通过增大高精度本地模型的权重系数和减小低精度本地模型的权重系数，加速了待训练模型的收敛速度，提高了待训练模型的精度。 | ||
| 搜索关键词： | 权重系数 训练模型 工作节点 模型训练 服务器 测试数据集 精度确定 正相关 减小 收敛 发送 反馈 学习 更新 | ||
【主权项】：
1.一种基于联邦学习的模型训练方法，应用于服务器节点，其特征在于，包括：将待训练模型发送至多个工作节点；接收多个所述工作节点反馈的本地模型，所述本地模型是各工作节点根据各自所拥有的数据对所述待训练模型进行训练获得的；根据测试数据集确定各个所述本地模型的精度；根据各个所述本地模型的精度确定各个所述本地模型的权重系数，所述权重系数与所述精度正相关；根据多个所述本地模型以及对应的权重系数，对所述待训练模型进行更新。
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大学深圳研究生院，未经北京大学深圳研究生院许可，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/201910739086.2/，转载请声明来源钻瓜专利网。
