一种基于动态调整模型聚合权重的联邦学习方法.pdfVIP

下载本文档

17
0
约9.05千字
约 9页
2023-06-14 发布于四川
举报
版权申诉

一种基于动态调整模型聚合权重的联邦学习方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于动态调整模型聚合权重的联邦学习方法，所述方法包括：云端服务器从各客户端接收局部训练模型和数据质量指标，若达到客户端权重更新条件，则根据数据质量、模型精度和模型差异指标对模型训练精度的贡献为每个客户端计算贡献分数，并加权平均生成全局模型；云端服务器将更新后的全局模型下发给客户端，各个客户端接收到后在本地训练数据上进行模型训练，并在训练结束后再次上传局部模型和数据质量指标给云端服务器。本发明合理的运用数据分布、模型精度及模型差异等客户端训练数据，并生成动态的聚合权重，充分挖掘了客

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113112027 A (43)申请公布日 2021.07.13 (21)申请号 202110367421.8 (22)申请日 2021.04.06 (71)申请人杭州电子科技大学地址