一种基于多任务聚类联邦个性学习的模型训练方法及装置

    公开(公告)号:CN117313901B

    公开(公告)日:2024-04-02

    申请号:CN202311597925.4

    申请日:2023-11-28

    Abstract: 本发明提供一种基于多任务聚类联邦个性学习的模型训练方法及装置,中央服务器向各客户端下发上一轮训练得到的各客户端所属簇的簇模型参数和其他簇的专家层模型参数,并接收各客户端采用本地数据训练得到的本地模型参数和自适应权重;根据各客户端的本地模型参数对各客户端进行聚类分簇;将同一簇中各客户端的本地模型参数进行联邦平均聚合,形成本轮训练得到的簇模型;各客户端基于自适应权重聚合各簇模型的专家层模型参数,并连接个性化层模型参数,得到预测模型;将本地数据输入预测模型,得到预测结果;构建预测结果和真实标签的损失,以最小化损失为目标,重复训练步骤。本发明提供的训练方法能够解决数据异质性带来的偏差和难以收敛的问题。

    基于状态通道的联邦学习任务可信监管与调度方法及装置

    公开(公告)号:CN113779617B

    公开(公告)日:2024-01-09

    申请号:CN202110896359.1

    申请日:2021-08-05

    Abstract: 本发明提供一种基于状态通道的联邦学习任务可信监管与调度方法及装置,该方法包括:通过面向数据共享的链上和链下的数据存储结构,将关键数据上链,以对数据的完整性进行校验;基于智能合约面向联邦学习数据共享场景,建立结合节点信誉值的细粒度数据访问控制模型,以保证节点身份;基于状态通道的模型训练过程可信监管机制,在进行模型训练过程的各参与方之间建立状态通道,并将模型训练过程产生的交易转移到链下完成。本发明引入许可链设计混合联邦学习架构,通过用户代理注册的方式,将节点的身份信息和资源信息存储于区块链,并通过设计链上‑链下的数据存储结构,确保数据真实性,实现数据可信查验,保证联邦学习过程的数据存储可信。

    一种基于外置索引的区块链查询优化方法

    公开(公告)号:CN113704248B

    公开(公告)日:2024-01-09

    申请号:CN202110784835.0

    申请日:2021-07-12

    Abstract: 本发明提供一种基于外置索引的区块链查询优化方法,该方法包括:基于指定交易属性创建层次索引;其中,层次索引包括第一层索引和第二层索引,第一层索引为由区块号和每个区块号对应的索引项组成的位图索引,索引项使用位图表示,位图中的1和0分别表示区块中包含和不包含相应属性值范围的交易,第二层索引为由每个区块对应的索引树组成的树型索引,索引树的叶子节点存储了区块中包含的指定交易属性的属性值以及指向属性值对应交易存储位置的指针;基于层次索引,进行区块链交易查询。通过本发明提供的一种基于外置索引的区块链查询优

    一种基于多任务聚类联邦个性学习的模型训练方法及装置

    公开(公告)号:CN117313901A

    公开(公告)日:2023-12-29

    申请号:CN202311597925.4

    申请日:2023-11-28

    Abstract: 本发明提供一种基于多任务聚类联邦个性学习的模型训练方法及装置,中央服务器向各客户端下发上一轮训练得到的各客户端所属簇的簇模型参数和其他簇的专家层模型参数,并接收各客户端采用本地数据训练得到的本地模型参数和自适应权重;根据各客户端的本地模型参数对各客户端进行聚类分簇;将同一簇中各客户端的本地模型参数进行联邦平均聚合,形成本轮训练得到的簇模型;各客户端基于自适应权重聚合各簇模型的专家层模型参数,并连接个性化层模型参数,得到预测模型;将本地数据输入预测模型,得到预测结果;构建预测结果和真实标签的损失,以最小化损失为目标,重复训练步骤。本发明提供的训练方法能够解决数据异质性带来的偏差和难以收敛的问题。

Patent Agency Ranking