公开(公告)号：CN117933366A

公开(公告)日：2024-04-26

申请号：CN202410074787.X

申请日：2024-01-18

Applicant: 昆明理工大学

Inventor： 付晓东 ,  普骏程 ,  刘骊 ,  彭玮 ,  丁家满 ,  贾连印 ,  刘利军

IPC: G06N3/098 ,  G06F21/62

Abstract: 本发明涉及一种基于参与者图参数广播的图结构数据联邦学习方法，属于联邦学习技术领域。首先，由参与者训练一个节点生成深度学习模型负责生成扩展节点。其次，将参与者看作参与者图的节点，通过计算参与者的扩展节点之间的欧氏距离，判定参与者数据之间是否存在关联，若存在关联，记参与者节点之间存在一条边，以此构建参与者图。在参与者图中，参与者节点与其定长可达简单路径上的有序节点组成联盟。然后，参与者使用图结构数据进行训练，并将参数上传至服务器，服务器将参数广播至联盟参与者进行训练。最后，计算参与者的边际收益作为其贡献权重，通过加权聚合得到全局参数。本发明有效地提高全局参数的测试精度。

公开(公告)号：CN116527513A

公开(公告)日：2023-08-01

申请号：CN202310293089.4

申请日：2023-03-23

Applicant: 昆明理工大学

Inventor： 付晓东 ,  普骏程 ,  刘骊 ,  彭玮 ,  刘利军 ,  丁家满 ,  贾连印

IPC: H04L41/14 ,  H04L41/147 ,  H04L41/16 ,  G06N20/00 ,  G06N3/006

Abstract: 本发明涉及一种基于狼群优化算法的面向长尾分布数据的联邦学习方法，属于联邦学习技术领域。本发明首先由服务器向客户端分发随机初始化的模型参数；其次客户端独立使用本地数据进行训练后将模型参数上传至服务器；然后服务器利用狼群优化算法定义各客户端等级，依据客户端等级更新客户端模型参数并返回至客户端，进行下一轮本地训练；完成所有训练轮次后，服务器利用马尔可夫链式转移法则聚合出全局参数。本发明基于狼群优化算法动态寻找适应各客户端数据的最优全局模型参数，避免客户端陷入局部最优解，同时利用马尔可夫链式转移法则使聚合后的全局模型参数较客户端中的最优者有所提升，在联邦学习技术领域具有实践价值和应用前景。