[发明专利]一种基于模型离散度的联邦学习训练方法在审
| 申请号： | 202010527841.3 | 申请日： | 2020-06-11 |
| 公开（公告）号： | CN111860581A | 公开（公告）日： | 2020-10-30 |
| 发明（设计）人： | 朱洪波;周星光;赵海涛;陈志远;于建国;刘洪久 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 曹坤 |
| 地址： | 210023 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： | 本发明公开了一种基于模型离散度的联邦学习训练方法。涉及边缘计算中的人工智能领域，本发明在现实环境中数据往往不平均且呈非独立同分布，数据的不平衡分布会使各个客户端上传到中央服务器的模型更新存在着不同程度的差异，因此随机挑选客户端参与训练难以训练出高质量的模型。同时，数据的不平衡分布还会放大过拟合造成的影响，严重时导致模型发散。该方法为了在数据不平衡的情况下训练出高质量的模型，采用动态损失函数的更新策略来提高模型的稳定性，并根据模型重要性来选择客户端，从而提高模型的准确度和收敛速度。同时在这两者基础上选取较大的遍历次数和适当的正则化参数μ，使模型的性能达到最佳。 | ||
| 搜索关键词： | 一种 基于 模型 离散 联邦 学习 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南京邮电大学，未经南京邮电大学许可，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/202010527841.3/，转载请声明来源钻瓜专利网。
- 上一篇：基于图神经网络的多输入多输出检测方法
- 下一篇：一种手持式喷雾壶
