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：本申请适用于人工智能技术领域，提供了一种基于联邦学习的参数聚合方法、系统、设备及存储介质，方法包括：在获取到任一局部模型在目标网络层的多个局部神经元参数后，通过对多个局部神经元参数和全局模型在目标网络层的多个全局神经元参数，进行基于参数相似度的最优化匹配关系求解，得到目标参数匹配方式；根据所有局部模型的目标参数匹配方式，对各局部模型在目标网络层的多个局部神经元参数进行参数聚合，更新全局模型的目标网络层；将更新得到的目标网络层的多个全局神经元参数发送至各客户端进行局部模型更新；可以有效提高参数聚合效果和模型参数的准确性，从而提高了模型精度，进而有效提高了局部模型的数据处理效果。
主权项：1.一种基于联邦学习的参数聚合方法，其特征在于，包括：在获取到任一客户端上局部模型在目标网络层的多个局部神经元参数后，对多个所述局部神经元参数和服务器上全局模型在同一所述目标网络层的多个全局神经元参数，进行基于参数相似度的最优化匹配关系求解，得到所述局部模型中所述目标网络层的目标参数匹配方式，包括：将同一所述目标网络层的各所述全局神经元参数分别与各所述局部神经元参数进行随机匹配，得到多种参数匹配方式，其中，在所述参数匹配方式中，每个所述全局神经元有且仅匹配一个所述局部神经元；基于最大后验概率估计算法，确定多种所述参数匹配方式中参数相似度总和最大的所述参数匹配方式，得到所述目标参数匹配方式，所述参数匹配方式中的各参数相似度是在观测到所述局部神经元参数时，与之匹配的所述全局神经元参数的后验概率；在得到所有所述局部模型的所述目标参数匹配方式后，根据各所述目标参数匹配方式，对各所述局部模型在所述目标网络层的多个局部神经元参数进行参数聚合，更新所述全局模型的所述目标网络层；将更新得到的所述目标网络层的多个所述全局神经元参数，发送至各所述客户端。
全文数据：
权利要求：
百度查询： 中电科新型智慧城市研究院有限公司 基于联邦学习的参数聚合方法、系统、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