公开(公告)号：CN116708200A

公开(公告)日：2023-09-05

申请号：CN202310719831.3

申请日：2023-06-17

Applicant: 北京邮电大学深圳研究院

Inventor： 徐梦炜 ,  袁进良 ,  王仕和 ,  张乙然 ,  周傲 ,  王尚广 ,  李瑞东 ,  赵坤

IPC: H04L41/14 ,  H04L41/16 ,  H04L43/0882

Abstract: 本发明涉及机器学习和计算机网络技术领域，且公开了一种基于非可靠传输协议的联邦训练加速方法，通过设计基于拥塞反馈的非可靠层传输算法解决不确定性丢包下如何最大化完整层的接收率；通过设计一个基于层参数的联邦冻结训练框架保证在参数丢失下联邦训练的模型精度无损。该基于非可靠传输协议的联邦训练加速方法，设计了一种基于非可靠传输协议的可穿戴联邦训练加速技术。其关键思想是直接忽略这些网络侧丢失的参数，而不是对网络传输协议进行复杂的检测和重传操作，从而大大提高端到端网络吞吐量；然后，基于机器学习训练的参数冗余特性，接收端用前一轮参数替换网络丢包，并采用层冻结训练技术实现联邦学习在参数丢失下的高精度训练。