龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：湖南科技大学
申请日：2024-04-19
公开（公告）日：2024-07-05
公开（公告）号：CN118297138A
主分类号：G06N3/098
分类号：G06N3/098;G06N3/086;G06F21/62;H04L9/40
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明提供一种基于粒子群优化的多目标联邦学习方案，其中步骤包括：1初始化：产生大小为N的初代种群，即第一代父代种群；2优化：对父本种群进行选择、交叉及变异算子操作，生成子代种群；3混合：混合父代种群和子代种群；4评估：使用基于粒子群优化的Fedavg算法来训练网络对种群进行多目标评估；5排序：对混合种群进行非支配排序，按非显性关系和拥挤距离进行排序；6选择：将最靠前的N个高级个体作为下一代的父代，重复上述步骤，直到满足迭代停止条件。本发明优化的模型在保证全局模型准确率的情况下，有效降低通信成本，加速模型收敛。
主权项：1.一种基于粒子群优化的多目标联邦学习方案，其特征在于，包括以下步骤：1初始化：产生大小为N的初代种群，即第一代父代种群；2优化：对父本种群进行选择、交叉及变异算子操作，生成子代种群；3混合：混合父代种群和子代种群；4评估：使用基于粒子群优化的Fedavg算法来训练网络对种群进行多目标评估；5排序：对混合种群进行非支配排序，按非显性关系和拥挤距离进行排序；6选择：将最靠前的N个高级个体作为下一代的父代，重复上述步骤，直到满足迭代停止条件。
全文数据：
权利要求：
百度查询： 湖南科技大学 基于粒子群优化的多目标联邦学习方案
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