-
公开(公告)号：CN115907038A
公开(公告)日：2023-04-04
申请号：CN202211100897.6
申请日：2022-09-09
Applicant: 南开大学
IPC: G06N20/20 , G06F18/214
Abstract: 一种基于联邦拆分学习框架的多元控制决策方法，以提高模型训练精度同时最大化资源利用效用为基准，首先在网络环境中动态构建节点初始信息，节点包括路由器、联邦学习服务器、客户端和计算节点(包含有限数量的训练服务器)四类；联邦学习服务器策略性地从客户端集合中选择一组客户端进行训练任务；联邦学习服务器中的专用控制器作为任务发起者决策客户端准入、模型拆分、计算节点选择、路由和带宽分配；客户端及其相应计算节点的训练服务器根据决策执行模型训练任务，训练完成后分别上传训练后的模型到联邦学习服务器用于全局模型聚合。本发明使得在给定时间内，训练尽可能多的数据，提高模型精度同时最大化资源利用效用。
Search Results
1
records
(took 0.039 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
