公开(公告)号：CN120069013A

公开(公告)日：2025-05-30

申请号：CN202510159760.5

申请日：2025-02-13

Applicant: 上海工程技术大学

Inventor： 赵晓丽 ,  蔺扬智 ,  殷子龙

IPC: G06N3/126 ,  G06N3/098 ,  G06F7/58

Abstract: 本发明涉及一种基于自适应遗传算法的联邦学习客户端选择方法、装置及存储介质。其中的方案包括S1，获取当前的多条染色体，每条染色体包括多个基因，基因值表示客户端权重；S2，根据预设的适应度函数计算当前各条染色体的适应度值，并选取当前适应度值最大的染色体；S3，利用预设的自适应遗传算法对多条染色体进行交叉变异操作，并返回S1；S4，基于当前适应度值最大的染色体，筛选符合预设条件的基因，得到当前的最优染色体，完成客户端选择。与现有技术相比，本发明具有有效提升联邦学习全局模型的准确率、训练效率和性能等优点。

公开(公告)号：CN119691480A

公开(公告)日：2025-03-25

申请号：CN202411511786.3

申请日：2024-10-28

Applicant: 上海工程技术大学

Inventor： 陈强 ,  陈佳乐 ,  赵晓丽 ,  蔺扬智

IPC: G06F18/231 ,  G06F18/214 ,  G06F18/22 ,  G06F18/25 ,  G06N20/00

Abstract: 本发明公开了一种基于梯度动态聚类的个性化联邦元学习方法，属于联邦元学习技术领域。包括：所有客户端接收服务端发送的随机初始化的全局模型作为初始的本地模型，使用其本地数据进行模型训练，并计算梯度信息；所有客户端上传其训练好的本地模型参数及梯度信息给服务端；服务端基于注意力机制得到每个客户端的注意力权重；同时将具有相似梯度的客户端进行聚类得到若干客户端组；基于客户端组进行客户端本地模型参数的聚合；服务端下发注意力权重及更新的全局模型参数给所有客户端。本发明通过梯度聚类，减少不同数据分布客户端之间的干扰，提高了全局模型的收敛性和准确性，并通过动态学习率调整，显著提高了个性化模型的性能。