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：本发明涉及联邦学习技术，其公开了一种边缘设备视觉模块的联邦学习方法，解决现有边缘设备视觉模块基于SNN网络的联邦学习方案存在的通信成本高、模型准确率低、收敛速度慢的问题。本发明方案中，在一个全局训练轮次中，参与本轮训练的边缘设备计算点火率上传服务器；服务器根据点火率筛选设备进行本地训练并上传更新的模型参数至服务器；服务器对本地训练的设备上传的更新的模型参数进行聚合，更新全局模型，将更新的全局模型下发至各个边缘设备中，通过上述步骤进行迭代训练，最终获得训练完成的模型。本发明适用于智能家居设备等异构的边缘设备视觉模块中图像识别模型的训练。
主权项：1.一种边缘设备视觉模块的联邦学习方法,其特征在于,所述边缘设备视觉模块包括卷积脉冲神经网络，所述卷积脉冲神经网络包括卷积网络及其脉冲层和全连接层及其脉冲层；所述卷积脉冲神经网络的训练，包括以下步骤:A1、参与本轮训练的各边缘设备，分别按如下步骤，进行本地计算：A11、边缘设备接收服务器下发的全局模型，更新其本地模型；A12、从边缘设备的本地样本集中，提取一个本地样本，输入边缘设备的本地模型；A13、在边缘设备本地模型完成T个时间步的计算后，基于其全连接层的脉冲层各脉冲神经元在各时间步t的脉冲发射情况，计算获得其点火率；所述T为预设超参数，表示卷积脉冲神经网络的时间步；A14、边缘设备将其点火率，上传至服务器；A2、按如下步骤，筛选边缘设备并进行本地训练：A21、从各边缘设备中，筛选点火率最大的前K1个边缘设备，构成本轮的训练设备集，所述K1为≥2的整数；A22、针对训练设备集的各边缘设备，分别利用其本地数据集和本地模型，按预设的本地训练轮数，进行本地训练，获得其更新后的本地模型参数；A23、训练设备集的各边缘设备，将其更新后的本地模型参数，分别上传至服务器；A3、服务器对接收到的训练设备集各边缘设备更新后的本地模型参数，进行聚合，并基于聚合结果对全局模型进行更新；A4、判定是否达到预设的完成条件，若是，则停止训练，此时的全局模型即为完成训练的卷积脉冲神经网络；否则，返回步骤A1，进行下一轮的全局训练。
全文数据：
权利要求：
百度查询： 西南财经大学 一种边缘设备视觉模块的联邦学习方法
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