申请/专利权人：华南理工大学

申请日：2024-04-10

公开（公告）日：2024-07-05

公开（公告）号：CN118298506A

主分类号：G06V40/20

分类号：G06V40/20;G06N20/00;G06V10/762

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：本发明公开了一种用于人类活动识别的聚类联邦拆分学习方法、系统及介质，该方法包括：接收客户端发送的中间特征向量，将中间特征向量输入到服务器端模型，得到服务器端特征向量，并将服务器端特征向量发回给相应的客户端；接收客户端发送的中间梯度值，将中间梯度值进行平均，应用于服务器端模型的更新，并发送相应的梯度值给客户端，以使客户端将梯度值应用于客户端模型的更新，完成一轮的拆分学习；接收客户端发送的模型参数，对模型参数执行联邦平均，并将平均后的参数发回给客户端，完成一轮联邦学习；当达到指定轮次或有新客户端加入时执行聚类算法。本发明不仅能够提升联邦拆分学习在人类活动识别场景下的最终精度，还能帮助算法更快收敛。

主权项：1.一种用于人类活动识别的聚类联邦拆分学习方法，应用于中心服务器，其特征在于，所述方法包括：初始化服务器端模型Wbody，并向各个客户端分发初始化的轻量级客户端模型Whead以及Wtail，以使客户端将人类活动识别的数据输入到客户端模型Whead，得到中间特征向量；接收各个客户端发送的中间特征向量，将中间特征向量输入到服务器端模型Wbody，得到服务器端特征向量，并将服务器端特征向量发回给相应的客户端，以使客户端在接收到服务器端特征向量后，将服务器端特征向量输入到客户端模型Wtail，得到输出结果，将输出结果与本地标签进行损失函数的计算，得到反向传播的中间梯度值；接收各个客户端发送的中间梯度值，将中间梯度值进行平均，应用于服务器端模型Wbody的更新，并发送相应的梯度值给客户端，以使客户端在接收到梯度值后，将梯度值应用于客户端模型Whead以及Wtail的更新，从而完成一轮的拆分学习；接收各个客户端发送的模型参数，对模型参数执行联邦平均，并将平均后的参数发回给各个客户端，从而完成一轮联邦学习；当达到指定轮次或有新客户端加入时，通过对服务器端特征向量使用层次聚类，确定各个客户端归属的类别，使得在往后的轮次中各个类别的客户端集合单独进行拆分学习及联邦学习。

全文数据：

权利要求：

百度查询： 华南理工大学 用于人类活动识别的聚类联邦拆分学习方法、系统及介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD