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：杭州电子科技大学
摘要：本发明公开了一种基于数据特征维度切分表示的纵向联邦学习方法，该方法首先各数据中心获得具有相同ID样本的数据，各数据中心将本地数据切分成特征数量相同数据子集，服务器将全局子集表征网络下发给各数据中心，各数据中心通过表征网络将子集潜在特征投影上传至服务器，服务器计算全局损失函数下发给各数据中心。其次各数据中心根据本地和全局损失函数更新本地子集表征网络并上传至服务器，服务器安全聚合后下发给各数据中心。最后各数据中心将通过训练后的表征网络得到的潜在特征上传至服务器，聚合形成全局数据潜在表征。本发明提升了纵向联邦学习方法训练模型的精度，发挥联邦学习在多数据中心协作中的潜力。
主权项：1.一种基于数据特征维度切分表示的纵向联邦学习方法，其特征在于，包括如下步骤：S1:各数据中心通过隐私求交进行数据对齐，获得训练的所有具有相同ID样本的数据其中N和Dm分别表示样本数量和样本特征数量；S2:根据各数据中心数据的特征数量，将本地数据切分成特征数量相同的数据子集，服务器将全局子集表征网络初始化后下发给各数据中心；S3:各数据中心计算本地损失函数，通过表征网络将子集潜在特征投影上传至服务器；服务器收集所有特征投影计算全局损失函数，并下发给各数据中心；S4：各数据中心根据本地损失函数和全局损失函数更新本地子集表征网络，并将得到的表征网络上传至服务器；S5:服务器对各数据中心的表征网络执行安全聚合后，下发给各数据中心；S6:迭代S3至S5直到本地表征网络收敛，各数据中心将所有子集通过训练后的表征网络得到的潜在特征上传至服务器，聚合形成全局数据潜在表征，用于下游分类任务的训练。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于数据特征维度切分表示的纵向联邦学习方法
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