公开(公告)号：CN118297187A

公开(公告)日：2024-07-05

申请号：CN202410534801.X

申请日：2024-04-30

Applicant: 东北大学

Inventor： 李晨 ,  尹张森 ,  李春泰 ,  寇月

IPC: G06N20/00 ,  G06F18/214 ,  G06F18/22 ,  G06F17/16 ,  G06N3/04

Abstract: 本发明公开了一种面向异质数据的梯度聚合联邦学习方法，包括：步骤S1，各Client端使用本地私有数据集训练同构神经网络vgg8，计算共享参数梯度，将共享参数梯度上传至对应的边缘节点；步骤S2，挑选满足梯度要求的每个边缘节点，参与Server端的聚合；步骤S3，Server端采用小样本种子数据集训练历史共享参数梯度；步骤S4，Server端接收来自Client端边缘节点的共享参数梯度，通过vgg8进行新一轮的共享参数梯度训练；步骤S5，当Server端与Client端进行第t轮交互时，Server端训练1个批次的样本；步骤S6，每个样本均会对同一个共享参数求解出一个梯度；步骤S7，通过分析Server端与Client端共享参数梯度之间的空间分布关系，得到参考优化方向尽量一致的梯度。实现Server端与Client端之间梯度的高效聚合。