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：深圳前海微众银行股份有限公司
摘要：本发明公开了一种联邦学习系统优化方法、装置、设备及存储介质，所述方法包括：参与联邦学习模型训练获得联邦模型；采用预设训练数据集和所述联邦模型训练得到本地模型和全模型，其中，所述全模型至少包括所述联邦模型、所述本地模型和融合模型三部分，所述联邦模型和所述本地模型的输出连接所述融合模型的输入；对所述联邦模型、所述本地模型和所述全模型进行性能测试，基于性能测试结果选择最终使用的模型。本发明实现了充分利用联邦模型，不会浪费参与设备本地的计算资源，且因为结合了联邦模型和本地模型，所获得的全模型的性能很大可能要比本地模型的性能会更好，从而使得大部分参与设备能够从联邦学习中受益，提高了模型性能。
主权项：1.一种联邦学习系统优化方法，其特征在于，应用于参与联邦学习的参与设备，所述联邦学习系统优化方法包括：参与联邦学习模型训练获得联邦模型；采用预设训练数据集和所述联邦模型训练得到本地模型和全模型，其中，所述全模型至少包括所述联邦模型、所述本地模型和融合模型，所述联邦模型和所述本地模型的输出连接所述融合模型的输入；对所述联邦模型、所述本地模型和所述全模型进行性能测试，基于性能测试结果选择最终使用的模型；当性能测试结果为所述全模型性能最优，所述全模型用于对图像进行分类时，所述对所述联邦模型、所述本地模型和所述全模型进行性能测试，基于性能测试结果选择最终使用的模型的步骤之后，还包括：将待分类图像分别输入所述全模型中的所述联邦模型和所述本地模型，得到所述联邦模型输出的第一分对数和所述本地模型输出的第二分对数，其中，所述第一分对数和所述第二分对数表征所述待分类图像属于各图像类别的概率；将所述第一分对数和所述第二分对数输入所述全模型中的所述融合模型，得到所述融合模型输出的所述待分类图像的分类结果。
全文数据：
权利要求：
百度查询： 深圳前海微众银行股份有限公司 联邦学习系统优化方法、装置、设备及存储介质
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