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：腾讯科技(深圳)有限公司
摘要：本发明实施例公开了一种联邦学习方法、装置、电子设备和计算机可读存储介质；本发明实施例在对本地模型进行训练，并将训练后第一本地模型的第一模型信息发送至服务器后，接收服务器返回聚合后的第一联邦模型，并对第一联邦模型进行验证，对第一验证信息进行扰动处理，并基于扰动后第一验证信息对预设扰动后第一验证信息集合进行更新，在更新后的扰动后第一验证信息集合中筛选出目标扰动后第一验证信息，并构建目标扰动后第一验证信息对应的模型索引，将目标扰动后第一验证信息和模型索引发送至服务器，以便服务器生成训练后联邦模型；该方案可以提升联邦学习的训练效率，本发明实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。
主权项：1.一种联邦学习方法，其特征在于，应用于计算机视觉、语音处理或自然语言处理，所述方法包括：对本地模型进行训练，并将训练后第一本地模型的第一模型信息发送至服务器，以便所述服务器基于所述第一模型信息对至少一个训练后第一本地模型进行聚合；接收所述服务器返回聚合后的第一联邦模型，并对所述第一联邦模型进行验证，得到所述第一联邦模型的第一验证信息，所述第一验证信息为验证所述第一联邦模型正确识别或分类验证样本数据的效果分数；根据预设差分隐私预算，获取所述第一验证信息的随机噪声信息；在所述第一验证信息中添加所述随机噪声信息，得到扰动后第一验证信息，并基于所述扰动后第一验证信息对预设扰动后第一验证信息集合进行更新；在更新后的扰动后第一验证信息集合中筛选出所述效果分数最大的扰动后第一验证信息作为目标扰动后第一验证信息，并构建所述目标扰动后第一验证信息对应的目标联邦模型的模型索引；将所述目标扰动后第一验证信息和模型索引发送至所述服务器，以便所述服务器基于所述目标扰动后第一验证信息和模型索引生成训练后联邦模型。
全文数据：
权利要求：
百度查询： 腾讯科技(深圳)有限公司 联邦学习方法、装置、电子设备和计算机可读存储介质
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