龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江西财经大学
摘要：本发明提出一种基于联邦学习的时间序列模型不确定性校正方法与系统，该方法包括：通过本地客户端的预测模型聚合每个本地客户端的本地标签数据分布，得到覆盖整个数据分布的全局模型；基于数据集和全局模型计算得到先验分布，利用先验分布和全局模型学习潜在空间上的条件分布，得到后验概率，利用后验概率引导预测模型训练，利用特征结合与训练的预测模型得到不确定性模型；利用异方差广义高斯分布对时间序列回归任务和分类任务的分布进行建模，并更新不确定性模型，结合损失函数完成对不确定模型的训练。本发明可有效地缓解联邦学习中客户端数据异质性问题，并有效地校准了独立同分布和非独立同分布环境中时间序列预测模型的不确定性。
主权项：1.一种基于联邦学习的时间序列模型不确定性校正方法，其特征在于，所述方法包括如下步骤：步骤1、获得每个本地客户端的本地标签数据分布，通过本地客户端的预测模型聚合每个本地客户端的本地标签数据分布，得到覆盖整个数据分布的全局模型；步骤2、获取本地数据并构成本地数据集，基于本地数据集，结合全局模型计算得到先验分布，基于得到的先验分布，通过全局模型学习得到潜在空间上的条件分布，结合所述先验分布与所述潜在空间上的条件分布计算得到后验概率；根据得到的后验概率引导预测模型进行预训练，利用从所述本地标签数据分布中提取的特征作为输入数据集，输入到预训练的预测模型以得到不确定性模型；步骤3、利用异方差广义高斯分布对时间序列回归任务和分类任务的分布进行建模，并更新所述不确定性模型，结合损失函数完成对不确定模型的训练。
全文数据：
权利要求：
百度查询： 江西财经大学 基于联邦学习的时间序列模型不确定性校正方法与系统
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