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：浙江工商大学
摘要：本发明公开了一种模型市场环境下基于集成提升的单轮联邦学习方法。本发明利用加权的集成模型以及生成器通道混合来提升合成图像数据的质量，然后利用合成图像数据调整集成权重。利用这种发法可以提升集成模型的性能，进而提升全局模型的性能。此外，由于模型市场下数据提供者数据异构会影响全局模型的训练，本发明根据集成模型与数据提供者模型输出的差异来加权每个数据提供者模型的类激活图，并使用该图指导全局模型。利用这种方法可以很好缓解对合成图像数据决策能力差的数据提供者对集成蒸馏效果的影响。
主权项：1.一种模型市场环境下基于集成提升的单轮联邦学习方法，包括以下步骤：S1、客户根据自身计算资源和存储能力选择适合本地模型结构；S2、客户端将更新后的本地模型上传至中央服务器；S3、中央服务器接收到客户端上传的模型参数后，将多个模型组成集成模型；S4、中央服务器利用集成模型和全局模型对合成图像数据的模型输出构建保真损失函数和迁移损失函数来训练生成器；S5、将生成器生成的合成图像数据及生成器中间层输出的特征分别存入合成图像数据集和特征池；S6、根据集成模型对合成图像数据集的模型输出来构建交叉熵损失寻找使损失最小的集成权重，即使用梯度方向和固定步长更新集成权重；S7、对特征池进行随机采样，并将采样结果输入生成器指定层获得多样性的新合成图像数据输出，并将其填充新的合成图像数据集；S8、在获得新的合成图像数据集和新的集成权重之后，将新的合成图像数据输入集成模型和输入全局模型得到集成模型输出和全局模型输出；通过构建两个输出之间的蒸馏损失来更新全局模型，从而实现集成模型到全局模型知识的传输；S9、重复S4到S8到指定轮次。
全文数据：
权利要求：
百度查询： 浙江工商大学 一种模型市场环境下基于集成提升的单轮联邦学习方法
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