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：南京信息工程大学
摘要：本发明公开了图像识别领域的一种基于异构和长尾数据的联邦学习方法及系统，方法包括：客户端接收全局模型和重训练模型，以及获取异构和长尾数据集，并对全局模型进行本地训练，以及利用重训练模型计算真实特征的梯度；客户端将本地模型和真实特征的梯度发送到服务器端聚合，得到聚合后的全局模型和类C的聚合特征梯度；服务器端构建类C的虚拟特征，并计算虚拟特征梯度，通过比较两个特征梯度之间的差异，选择一个最优的虚拟特征梯度，并获得对应的最新虚拟特征；服务器端将聚合后的全局模型和最新的重训练模型发送至客户端，完成当前迭代轮次的训练；本发明能够解决因异构和长尾数据导致联邦学习准确率低问题，从而有效保护数据的隐私。
主权项：1.一种基于异构和长尾数据的联邦学习方法，其特征在于，包括，在每一个迭代训练轮次中：客户端从服务器端接收全局模型和重训练模型，以及获取异构和长尾数据集；客户端基于所述异构和长尾数据集，采用特征表示学习方法对所述全局模型进行本地训练，得到本地模型，以及利用所述重训练模型提取所述异构和长尾数据集的真实特征，并计算出所述真实特征的梯度；客户端将所述本地模型和所述真实特征的梯度发送到服务器端；服务器端对来源于多个客户端的所述本地模型和所述真实特征的梯度分别进行聚合，得到聚合后的全局模型以及类C的聚合特征梯度，其中，类C表示所有客户端的异构和长尾数据集中的任意一类；服务器端构建类C的虚拟特征，根据所述类C的虚拟特征计算虚拟特征梯度，采用梯度匹配损失监督法获取所述类C的聚合特征梯度和虚拟特征梯度之间的差异，根据特征梯度之间的差异选择一个最优的虚拟特征梯度，根据所述最优的虚拟特征梯度获得对应的最新虚拟特征；服务器端利用所述最新虚拟特征重新训练所述聚合后的全局模型中的分类器，得到更新的重训练模型；服务器端将所述聚合后的全局模型和更新的重训练模型发送至客户端，完成当前迭代轮次的训练；当达到预设的迭代轮次，得到联邦学习训练完成的模型。
全文数据：
权利要求：
百度查询： 南京信息工程大学 一种基于异构和长尾数据的联邦学习方法及系统
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