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：北京邮电大学
摘要：本专利提出一种面向多模态数据的联邦学习方法，在利用联邦学习隐私保护特性进行多模态学习的同时，针对传统联邦学习方法缺乏对模态缺失情况的鲁棒性问题提出改进方案。该实现过程主要包括，客户端利用多种模态的信息训练本地模型，为了融合不同模态的信息，多模态客户端在传统联邦学习的基础上增加了一个混合注意力网络。客户端训练完成后由服务端聚合客户端上传的本地模型参数，为了降低模态缺失客户端给全局模型带来的影响，服务端会根据包括客户端数据量、客户端模态缺失比例以及缺失模态对任务的贡献在内的三个因素分配客户端的权重，其中模态贡献采用夏普利值作为评价标准。本专利可用于数据敏感场景下的多模态任务。
主权项：1.一种面向多模态数据的联邦学习方法，其特征在于：多模态数据场景下，不同数据所有者能够在联邦学习的隐私保护特性下进行模型训练，同时服务端在模型聚合过程中对模态缺失情况具有一定鲁棒性。
全文数据：
权利要求：
百度查询： 北京邮电大学 一种面向多模态数据的联邦学习方法
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