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：南京大学
申请日：2024-04-28
公开（公告）日：2024-07-05
公开（公告）号：CN118297142A
主分类号：G06N3/098
分类号：G06N3/098;G06N3/084;H04L9/40;H04L67/10
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：本文发明公开了一种基于动态局部更新的联邦学习加速方法、装置及联邦学习系统。在一个方面中，所述方法基于联邦学习的场景下，在局部节点中利用节点特定的数据分布信息来设置本地更新频率，从而加速模型收敛，其中客户端的局部更新频率是根据全局梯度更新方向和客户端本地梯度更新方向之间的关系通过计算得到的。本发明通过设置不同的本地更新频率来缓解数据异构性，在不增加通信成本的情况下实现联邦学习中更快的模型收敛。
主权项：1.一种基于动态局部更新的联邦学习加速方法，其特征在于，所述方法在服务器上执行，包括以下步骤：向客户端下发模型参数和局部更新频率，由客户端进行本地模型更新，在第一次迭代中，所有客户端节点的模型参数和局部更新频率是相同的，在后续迭代中，客户端的局部更新频率是根据全局梯度更新方向和客户端本地梯度更新方向之间的关系通过计算得到的，计算公式如下： 其中kj代表客户端节点j上的局部更新频率，k0代表基础局部更新频率，P代表客户端节点的总个数，ΔFj代表客户端节点j上模型训练后的梯度，ΔF代表一轮迭代之后的全局梯度；接收客户端更新后的模型参数，对所有客户端的模型参数进行聚合，确定新的全局模型，返回上一步进行下发。
全文数据：
权利要求：
百度查询： 南京大学 基于动态局部更新的联邦学习加速方法、装置及联邦学习系统
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