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！
摘要：本发明提出一种面向联邦分类学习的公平感知激励方法，包括：步骤1：服务端初始化全局原型；步骤2：客户端初始化本地模型参数，利用全局原型，结合本地私有数据进行训练，更新本地模型参数和本地原型；步骤3：客户端将更新后的本地模型参数和本地原型上传至服务端；步骤4：对接收到的本地模型参数进行质量检测，生成边缘激励；步骤5：利用边缘激励和更新后的本地原型进行聚合，得到共识原型；步骤6：进行原型级别聚合，获取新的全局原型；步骤7：重复步骤2‑6，直至达到最大循环次数，输出最终的全局原型和每个客户端的个性化模型。本发明能更好地缓解数据异质性和类别不平衡对模型精度的影响，确保协作公平并激励高质量客户参与联邦学习。
主权项：1.一种面向联邦分类学习的公平感知激励方法，其特征在于，所述一种面向联邦分类学习的公平感知激励方法的步骤包括：步骤1：服务端初始化全局原型，将初始化后的全局原型发送至客户端；步骤2：客户端初始化本地模型参数，利用接收到的全局原型，结合本地私有数据进行训练，更新本地模型参数和本地原型；步骤3：客户端将更新后的本地模型参数和本地原型上传至服务端；步骤4：服务端对接收到的本地模型参数进行质量检测，生成由服务端驱动的边缘激励；步骤5：服务端利用所述由服务端驱动的边缘激励和更新后的本地原型进行聚合，得到共识原型；步骤6：基于所述公式原型进行原型级别聚合，获取新的全局原型；步骤7：重复步骤2-6，直至达到最大循环次数，并输出最终的全局原型和各个客户端的个性化模型W＝{w1,L,wN}。
全文数据：
权利要求：
百度查询： 哈尔滨工程大学 一种面向联邦分类学习的公平感知激励方法
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