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：同济大学
申请日：2024-04-29
公开（公告）日：2024-07-05
公开（公告）号：CN118297191A
主分类号：G06N20/20
分类号：G06N20/20;G06F18/214;H04L67/12
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：本发明涉及一种基于混合训练的分层联邦学习训练方法及装置。该方法建立云服务器‑子网联邦学习训练框架，初始化全局模型，每个子网包括通信连接的边缘服务器和多个用户设备；利用全局模型初始化边缘模型，利用线行与并行混合的训练范式分别训练各子网内部的多个用户模型，聚合训练好的各用户模型，更新相应的边缘模型，每个用户模型设于相应的用户设备中，每个边缘模型设于相应的边缘服务器中；定期聚合所有更新后的边缘模型，更新全局模型。与现有技术相比，本发明具有缓解子网内部的能耗压力、降低物联网设备间数据和算力的异构性等优点。
主权项：1.一种基于混合训练的分层联邦学习训练方法，其特征在于，包括以下步骤：S1，建立云服务器-子网联邦学习训练框架，初始化全局模型，每个所述子网包括通信连接的边缘服务器和多个用户设备；S2，利用所述全局模型初始化边缘模型，利用线行与并行混合的训练范式分别训练各子网内部的多个用户模型，聚合训练好的各用户模型，更新相应的边缘模型，每个所述用户模型设于相应的用户设备中，每个所述边缘模型设于相应的边缘服务器中；S3，定期聚合所有更新后的边缘模型，更新全局模型。
全文数据：
权利要求：
百度查询： 同济大学 一种基于混合训练的分层联邦学习训练方法及装置
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