龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：东北大学
摘要：本发明公开了一种面向异质数据的梯度聚合联邦学习方法，包括：步骤S1，各Client端使用本地私有数据集训练同构神经网络vgg8，计算共享参数梯度，将共享参数梯度上传至对应的边缘节点；步骤S2，挑选满足梯度要求的每个边缘节点，参与Server端的聚合；步骤S3，Server端采用小样本种子数据集训练历史共享参数梯度；步骤S4，Server端接收来自Client端边缘节点的共享参数梯度，通过vgg8进行新一轮的共享参数梯度训练；步骤S5，当Server端与Client端进行第t轮交互时，Server端训练1个批次的样本；步骤S6，每个样本均会对同一个共享参数求解出一个梯度；步骤S7，通过分析Server端与Client端共享参数梯度之间的空间分布关系，得到参考优化方向尽量一致的梯度。实现Server端与Client端之间梯度的高效聚合。
主权项：1.一种面向异质数据的梯度聚合联邦学习方法，其特征在于，包括：步骤S1，各Client端使用本地私有数据集训练内置的同构神经网络vgg8，同时计算共享参数梯度，将共享参数梯度上传至Server端；步骤S2，挑选满足梯度要求的每个边缘节点，参与Server端的聚合；步骤S3，Server端采用小样本种子数据集训练历史共享参数梯度；步骤S4，当Server端接收来自Client端边缘节点的共享参数梯度集合，通过同构神经网络vgg8进行新一轮的共享参数梯度训练；步骤S5，当Server端与Client端进行第t轮交互时，Server端训练1个批次的样本；步骤S6，每个样本均会对同一个共享参数求解出一个梯度，并用均值表示当前时刻共享参数的梯度，Server端并保存每个时刻的共享参数梯度；步骤S7，通过基于余弦的向量分布差异矩阵分析Server端与Client端共享参数梯度之间的空间分布关系，得到参考优化方向尽量一致的梯度。
全文数据：
权利要求：
百度查询： 东北大学 一种面向异质数据的梯度聚合联邦学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号