-
公开(公告)号：CN117875445A
公开(公告)日：2024-04-12
申请号：CN202311712303.1
申请日：2023-12-13
Applicant: 复旦大学
IPC: G06N20/00
Abstract: 本发明提供了一种基于开源数据引导的联邦学习方法及系统，具有这样的特征，包括以下步骤：步骤S1服务端构建全局模型发送至各个客户端；步骤S2客户端根据本地数据和全局模型得到的优化模型和训练损失；步骤S3将优化模型和训练损失发送至服务端；步骤S4至步骤S8服务端根据优化模型、训练损失和开源数据得到优化全局模型；步骤S9服务端将优化全局模型作为下一联邦迭代轮次的全局模型发送至各个客户端；步骤S10重复步骤S2至步骤S9对全局模型进行迭代，直至达到目标，则各客户端得到训练好的模型。总之，本方法能够更快地完成对联邦学习模型训练的收敛，得到效果更好的联邦学习模型。
Search Results
1
records
(took 0.011 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
