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：本发明提出一种面向图像分类的个性化联邦学习方法，包括：步骤1：基于服务器初始化全局原型步骤2：将初始化后的全局原型发送至客户端；步骤3：客户端初始化本地模型参数将本地数据集随机划分，对全局原型进行更新，获取更新后的模型参数和本地原型；步骤4：客户端保留更新后的模型参数，并将更新后的本地原型上传至服务器；步骤5：服务器对所有客户端上传的本地原型进行聚合，生成新的全局原型；步骤6：重复步骤2‑6，将每次得到的全局原型发送至客户端进行更新，直至达到最大循环次数，输出最终的全局原型。本发明能够更好地缓解数据异质性对模型精度产生的影响，获得更高的分类准确率，大大降低客户端与服务器之间的通信成本。
主权项：1.一种面向图像分类的个性化联邦学习方法，其特征在于，所述一种面向图像分类的个性化联邦学习方法的步骤包括：步骤1：基于服务器初始化全局原型步骤2：将初始化后的全局原型发送至客户端；步骤3：所述客户端初始化本地模型参数将本地数据集随机划分，基于随机划分后的本地数据对全局原型进行更新，获取更新后的模型参数和本地原型；步骤4：所述客户端保留更新后的模型参数，并将更新后的本地原型上传至服务器；步骤5：所述服务器对所有客户端上传的本地原型进行聚合，生成新的全局原型；步骤6：重复步骤2-6，将每次得到的全局原型发送至客户端进行更新，直至达到最大循环次数，输出最终的全局原型和各个客户端的个性化模型W＝{w1,L,wN}。
全文数据：
权利要求：
百度查询： 哈尔滨工程大学 一种面向图像分类的个性化联邦学习方法
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