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：深圳前海微众银行股份有限公司
摘要：本发明公开了一种基于半监督的横向联邦学习优化方法、设备及存储介质，所述方法包括：接收服务端下发的本次无标签全局模型更新的全局模型参数；根据全局模型参数和训练样本对本地的待训练模型进行自监督训练，更新待训练模型中的编码器参数和解码器参数得到本地模型参数；将本地模型参数发送给服务端，以供服务端根据各客户端发送的本地模型参数对待训练模型进行有监督训练，得到新一次无标签全局模型更新的全局模型参数并下发给各客户端；循环直到满足预设条件时停止训练得到目标模型。本发明实现在客户端只有少量标签数据甚至完全没有标签数据时，也能够进行横向联邦学习，从而适应缺乏标签数据的现实场景，节省人力成本。
主权项：1.一种基于半监督的横向联邦学习优化方法，其特征在于，应用于参与横向联邦学习的客户端，各客户端为部署于多家医院的设备，客户端本地的训练样本包括无标签样本，所述无标签样本包括心电图数据，客户端与参与横向联邦学习的服务端通信连接，所述方法包括：接收服务端下发的本次无标签全局模型更新的全局模型参数；根据所述全局模型参数和作为所述训练样本的所述心电图数据对本地的待训练模型进行自监督训练，更新所述待训练模型中的编码器参数和解码器参数得到本地模型参数；将所述本地模型参数发送给服务端，以供服务端根据各客户端发送的所述本地模型参数以及基于部分客户端中有标签的心电图数据和或服务端中有标签的心电图数据对待训练模型进行有监督训练，得到新一次无标签全局模型更新的全局模型参数并下发给各客户端；循环直到满足预设条件时停止训练得到目标模型，所述目标模型用于识别患者的心脏疾病类型。
全文数据：
权利要求：
百度查询： 深圳前海微众银行股份有限公司 基于半监督的横向联邦学习优化方法、设备及存储介质
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