-
公开(公告)号：CN117829307A
公开(公告)日：2024-04-05
申请号：CN202311769640.4
申请日：2023-12-20
Applicant: 泉城省实验室
IPC: G06N20/00
Abstract: 本发明的一种面向数据异构性的联邦学习方法及系统，属于联邦学习技术领域，方法包括如下步骤：中心服务器获取用户端数据，进行联邦学习训练将用户端进行聚类，并通过加速节点与用户端连接；用户端通过加速节点获取全局模型梯度和聚合梯度，进行本地模型训练并更新本地模型，将本地模型梯度发送给加速节点；加速节点将用户端的模型梯度进行聚合后发送给中心服务器，每一个加速节点与一个用户簇中的用户端相连；中心服务器收到加速节点发送的用户梯度后，将其聚合得到全局模型梯度并更新全局模型，然后将聚合梯度通过加速节点分发给用户端。本发明确保了模型的训练精度，提高了联邦学习的效率和性能。
Search Results
1
records
(took 0.043 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
