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！
摘要：本申请公开了基于联邦学习的模型训练方法、系统及相关设备，涉及计算机技术领域，方法包括：向客户端下发待训练的全局模型，触发各客户端进行模型更新获得前一轮次训练完成后的客户端本地模型，并基于客户端本地数据对客户端本地模型进行模型训练后获得客户端本地训练模型；获取客户端的第一贡献度计算指标值；根据第一贡献函数、共享数据集和客户端的前一轮次训练完成后的客户端本地模型确定第一指标系数；从而确定各客户端的第一贡献度值，并根据第一贡献度值确定目标客户端；根据目标客户端对应的当前轮次的客户端本地训练模型获得当前轮次训练完成后的全局模型。本申请方案有利于提高模型训练的准确性。
主权项：1.一种基于联邦学习的模型训练方法，其特征在于，所述方法包括：向多个客户端分别下发待训练的全局模型，以触发各所述客户端分别基于所述待训练的全局模型进行模型更新后获得前一轮次训练完成后的客户端本地模型，并基于客户端本地数据对所述客户端本地模型进行当前轮次的模型训练后获得当前轮次的客户端本地训练模型；获取各所述客户端上传的与第一评价指标对应的第一贡献度计算指标值，其中，所述第一贡献度计算指标值基于所述当前轮次的客户端本地训练模型确定，所述第一评价指标包括用于模型训练的客户端本地数据量、所述客户端参与全局模型训练的训练轮数、模型准确率和模型损失函数值；根据预设的第一贡献函数、预先构建的共享数据集和各所述客户端对应的前一轮次训练完成后的客户端本地模型，分别确定各所述第一评价指标对应的第一指标系数；根据所述第一贡献函数、所述第一指标系数和各所述客户端对应的第一贡献度计算指标值，分别确定各所述客户端对应的第一贡献度值，并根据所述第一贡献度值从所述客户端中确定目标客户端；根据所述目标客户端对应的当前轮次的客户端本地训练模型获得当前轮次训练完成后的全局模型。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 基于联邦学习的模型训练方法、系统及相关设备
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