[发明专利]一种联邦学习场景中高效的贡献评估方法有效
| 申请号： | 202011465470.7 | 申请日： | 2020-12-14 |
| 公开（公告）号： | CN112506753B | 公开（公告）日： | 2022-06-28 |
| 发明（设计）人： | 张兰;李向阳;王俊豪 | 申请（专利权）人： | 德清阿尔法创新研究院 |
| 主分类号： | G06F11/34 | 分类号： | G06F11/34;G06F11/36;G06N20/00 |
| 代理公司： | 杭州九洲专利事务所有限公司 33101 | 代理人： | 陈琦;陈继亮 |
| 地址： | 313200 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种联邦学习场景中高效的贡献评估方法，它根据训练日志计算权重：服务器使用联邦学习的训练日志来计算各个用户在模型聚合时的权重。普通联邦学习中，第t+1个epoch中，服务器聚合模型的形式化为: |
||
| 搜索关键词： | 一种 联邦 学习 场景 高效 贡献 评估 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德清阿尔法创新研究院，未经德清阿尔法创新研究院许可，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/202011465470.7/，转载请声明来源钻瓜专利网。
