公开(公告)号：CN115359298A

公开(公告)日：2022-11-18

申请号：CN202211024183.1

申请日：2022-08-24

Applicant: 南京理工大学

Inventor： 郭壮壮 ,  钱玉文 ,  马川 ,  李骏 ,  时龙

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N20/00 ,  G06N3/08 ,  G06N3/04 ,  G06F21/62

Abstract: 本发明公开了一种基于稀疏神经网络的联邦元学习图像分类方法，通信效率高，算法性能好。本发明方法主要包括以下步骤：(10)设置全连接神经网络节点与相关系数，建立源节点集合与目标节点集合；(20)对全连接神经网络进行稀疏化，初始化稀疏神经网络权重参数；(30)在每个源节点的训练集数据上进行训练内部更新；在每个源节点的测试集数据上进行外部更新；(40)移除每个源节点外部更新后权重矩阵每层最小的正数与最大的负数，通过判断迭代次数t是否为设置的本地迭代次数的整数倍以做出相应的处理；(50)基于源节点集合训练得到的参数在每个目标节点中的训练集数据进行梯度更新训练，并利用目标节点微调后的模型进行图像分类任务。

公开(公告)号：CN113627619A

公开(公告)日：2021-11-09

申请号：CN202110770971.4

申请日：2021-07-07

Applicant: 南京理工大学

Inventor： 邵雨蒙 ,  李骏 ,  马川 ,  时龙 ,  王喆 ,  张杰 ,  沈寒池

IPC: G06N20/00

Abstract: 本发明公开了一种基于伪噪声序列的保障联邦学习系统的公平性的方法，包括以下步骤：在联邦学习系统中欲保护的学习模型上添加伪噪声序列；收集各个用户上传的学习模型；对已上传的学习模型进行伪噪声序列自相关检测和模型精度预检测；惩罚作假用户，补偿其影响，维护系统公平性。本发明实现了在联邦学习架构中检测作假用户的不公平行为，并且通过相应的惩罚和补偿机制，减小这些行为产生的影响，提高用户之间的公平性，营造良好的学习环境。