-
公开(公告)号：CN115577301A
公开(公告)日：2023-01-06
申请号：CN202211180720.1
申请日：2022-09-27
Applicant: 华中科技大学
IPC: G06F18/2415 , G06F18/23 , G06F18/214
Abstract: 本发明公开了一种用于分布式系统的个性化拆分学习方法及应用，属于分布式协作机器学习技术领域，在每轮训练中所有客户端先训练出一个全局服务端模型，在此基础上，根据数据相似性为客户端分簇，并为每个簇中设置一个个性化的局部服务端模型，且在训练过程中对局部服务端模型基于全局服务端模型进行正则化微调，从而使局部服务端模型相较于全局服务端模型，可以更符合簇中客户端的本地数据特征，进而簇中的客户端设备经局部训练后能够获得更高的预测精度；本发明同时考虑了全局模型和局部模型，既可以利用较多样本来训练模型，又可以在一定程度上解决不同客户端数据非独立同分布的问题，使模型的预测精度有所提升。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
