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：CN118301155A
主分类号：H04L67/10
分类号：H04L67/10;H04L12/18;G06N20/00;G06F18/23
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：本发明公开了一种新颖的迭代聚类联邦学习算法，包括以下步骤：1广播全局参数：云服务器向客户端广播模型的权重的子集以及共享层；2估计身份：客户端利用接收到的模型和本地数据来估计集群身份；3训练：参与训练的客户端使用本地数据来更新服务器广播的模型；4上传全局参数：客户端将模型上传给云服务器；5判断稳定情况：服务器判断聚类结果是否稳定；6客户端选择：当聚类稳定后，云服务器开始进行客户端选择；7聚合：云服务器对各个簇内接收到的模型进行聚合得到K个簇模型。本发明设计有效解决数据异质性问题，确保联邦学习的公平性，实现个性化联邦学习。
主权项：1.一种新颖的迭代聚类联邦学习算法，其特征在于，包括以下步骤：1广播全局参数：云服务器向客户端广播模型的权重的子集以及共享层；2估计身份：客户端利用接收到的模型和本地数据来估计集群身份；3训练：参与训练的客户端使用本地数据来更新服务器广播的模型；4上传全局参数：客户端将模型上传给云服务器；5判断稳定情况：服务器判断聚类结果是否稳定；6客户端选择：当聚类稳定后，云服务器开始进行客户端选择；7聚合：云服务器对各个簇内接收到的模型进行聚合得到K个簇模型。
全文数据：
权利要求：
百度查询： 湖南科技大学 一种新颖的迭代聚类联邦学习算法
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