-
公开(公告)号：CN119808889A
公开(公告)日：2025-04-11
申请号：CN202411787719.4
申请日：2024-12-06
Applicant: 同济大学
IPC: G06N3/098 , G06F18/214 , G06F18/2431 , G06F17/18 , G06N3/084
Abstract: 本申请涉及联邦学习技术领域，具体而言，涉及一种面向增量数据的个性化联邦学习方法及装置，一定程度上可以解决传统联邦学习在处理增量数据和个性化能力方面的不足的问题。该方法包括：在模型训练过程中引入权重衰减正则项，通过对模型参数施加正则化约束，防止模型过拟合，提升模型的泛化能力，通过融合元学习的思想，利用内外循环机制进行模型训练，在外循环中进行个性化算法的迭代，使得模型能够更快适应新的增量数据，提高训练效率和模型性能，提高了模型的实时性和适应性，通过个性化算法迭代，使得每个客户端的模型都能根据自身特性进行优化，提升模型在不同客户端上的适配性和准确性。
Search Results
1
records
(took 0.021 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
