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：本发明公开了一种基于联邦贝叶斯学习的算力网络中异常数据识别方法及装置，在算力网络架构下，基于贝叶斯神经网络构建去中心化联邦学习框架，该框架下每个算力节点都具有多种算力属性；首次训练选择数据量丰富且计算能力强的算力节点作为起始训练节点，完成训练后利用内在可解释性，分析出输入层影响最大的特征。根据算力属性评估，选择出下一个参与训练的算力节点，将关键特征传递给改算力节点对其先验分布进行对应调整，再进行训练。重复操作直至模型收敛，性能稳定。本发明既利用了算力网络中算力节点的调度，提高资源利用率，又保证了数据的隐私性。此外，本发明还充分发挥了贝叶斯神经网络的抗拟合性以及可解释性，保证了深度学习准确性。
主权项：1.一种基于联邦贝叶斯学习的算力网络中异常数据识别方法，其特征在于，该方法包括以下步骤：（1）构建算力网络，以持有数据集的独立用户终端作为算力节点，参与联邦学习；（2）依据数据量和计算能力确定起始训练算力节点，算力节点完成本地训练后通过贝叶斯神经网络分析并识别出对贝叶斯神经网络输入层影响最大的特征通道及其方差；并评估算力能力以及网络状况选择出下一个参与训练的算力节点，将特征通道信息与方差数据传递给该算力节点；（3）参与训练的算力节点根据接收到特征通道信息和方差数据，调整本地先验分布的对应通道的方差后，再按照步骤（2）的方式进行本地学习训练和传递特征通道信息与方差数据给下一个参与训练的算力节点；（4）不断重复（3）迭代过程，直至算力节点上的本地损失函数值收敛，将该贝叶斯模型参数发送到所有算力节点，得到训练完成的最终神经网络模型，输入实时数据，通过模型预测的数据类型判断数据是否存在异常。
全文数据：
权利要求：
百度查询： 浙江工商大学 浙江省新型互联网交换中心有限责任公司 基于联邦贝叶斯学习的算力网络中异常数据识别方法及装置
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