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：大连理工大学
摘要：本发明提供了一种增强结构化联邦图学习方法，属于深度学习技术领域。本发明所述方法包括客户贡献评估、参数调整和知识忘却；客户贡献评估利用信誉理论评估客户贡献；参数调整采用注意力机制和熵权法调整关键参数，减少聚合误差并优化全局模型性能；知识忘却通过结合软混淆和硬混淆损失处理数据遗忘请求，确保特定知识被遗忘而不影响整体性能。本发明解决了大规模图数据训练中的数据隔离问题及应对非独立同分布数据和多样化本地模型特征问题；即使参与者可靠性较低，准确率仍能够保证；并且从客户端移除特定知识并将其传播到全局模型，很好地应对用户提出的忘却请求。本发明显著提高了全局模型的准确性，在满足忘却请求后，更好地保持了模型精度。
主权项：1.一种增强结构化联邦图学习方法，其特征在于，包括：初始化每个客户端的基本声誉分数，计算每个客户端的数据价值、努力水平、风险评估和投资成本效益四个指标；结合所述指标计算客户端每一轮聚合前的声誉分数，使用正态分布将所述声誉分数转换为贡献水平，并对所述贡献水平进行归一化处理，得到最终的贡献得分；将客户端的本地模型参数输入到使用离散余弦变换的通道注意力机制中，生成注意力向量；通过熵权法将所述注意力向量转化为客户端相似度得分，同时确保高权重分配给表现优异的客户端；服务器根据所述客户端贡献得分和相似度得分进行全局模型参数的加权聚合。
全文数据：
权利要求：
百度查询： 大连理工大学 一种增强结构化联邦图学习方法
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