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：内蒙古科技大学
摘要：本发明提供了一种基于ShapDiv的自适应加权联邦学习方法，涉及联邦学习技术领域，该方法将ShapleyValue与KLDivergence结合应用于联邦学习，融合ShapleyValue与KLDivergence提出了新的评估贡献度的指标值，即ShapleyValue与KLDivergence启发的ShapDiv度量值，并设计了结合用户ShapDiv的激励机制，通过ShapDiv的激励机制公平地为每个客户端匹配对应其贡献的奖励与惩罚，在该机制下将FL训练视为序列合作博弈，并根据客户的ShapDiv进行加权的联邦聚合，既解决联邦学习中的公平性问题同时也提高了联邦学习的准确率。本发明不仅能够提高模型的准确性和鲁棒性，还能够激励参与方更积极地合作，进而提升整个联邦学习系统的效率和性能。
主权项：1.一种基于ShapDiv的自适应加权联邦学习方法，其特征在于，该方法包括以下步骤：步骤1.初始化全局模型：将预先定义的全局模型参数初始化为初始值，将全局模型发送给所有联邦学习客户端；步骤2.客户端训练与模型更新：每个客户端使用本地数据集进行本地模型训练，计算每个客户端的本地模型；步骤3.中央服务器收集模型更新：中央服务器收集客户端上传的本地模型，对客户端的ShapDiv进行计算，计算ShapDiv时分别计算ShapleyValue和KLDivergence；其中，ShapleyValue用来评估客户端数据质量贡献；KLDivergence通过计算本地模型与全局模型之间分布概率的差异评估本地模型的质量；步骤4.ShapDiv自适应加权：根据每个客户端的ShapDiv值，进行自适应加权聚合；步骤5.更新全局模型：根据加权后的客户端模型参数，更新全局模型；步骤6.迭代训练：重复以上步骤，进行多轮联邦学习迭代训练；每轮训练过程中，客户端更新本地模型并上传至中央服务器，中央服务器根据ShapDiv值进行自适应加权聚合，并更新全局模型；步骤7.模型评估，设定收敛条件，对最终的全局模型进行评估。
全文数据：
权利要求：
百度查询： 内蒙古科技大学 一种基于ShapDiv的自适应加权联邦学习方法
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