公开(公告)号：CN112906859B

公开(公告)日：2022-07-01

申请号：CN202110111529.0

申请日：2021-01-27

Applicant: 重庆邮电大学

Inventor： 耿道渠 ,  何汉文 ,  王平 ,  刘畅 ,  兰兴川 ,  李俊达

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G01M13/045

Abstract: 本发明请求保护一种用于轴承故障诊断的联邦学习算法，其特征在于，所述算法运行于多个本地节点与一个聚合节点，包括以下步骤：步骤1、每个本地节点对传感器网络的数据进行汇聚，并对传感器的数据采用分时、分区、采样、归一化在内的预处理；步骤2、采用卷积神经网络模型对预处理后的数据进行训练；步骤3、当训练完成后，根据改进聚合策略判断是否满足聚合条件，如果满足则此轮训练结束；然后，计算本地模型的F1分数；最后，对模型参数、F1分数和样本总数进行同态加密并发送到聚合节点；步骤4、聚合节点在接收到所有本地节点发送的信息后，对信息进行解密，然后根据F1分数加权策略对所有本地模型进行加权和聚合，得到一个新的初始模型并发送给本地节点。

公开(公告)号：CN112906859A

公开(公告)日：2021-06-04

申请号：CN202110111529.0

申请日：2021-01-27

Applicant: 重庆邮电大学

Inventor： 耿道渠 ,  何汉文 ,  王平 ,  刘畅 ,  兰兴川 ,  李俊达

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G01M13/045

Abstract: 本发明请求保护一种用于轴承故障诊断的联邦学习算法，其特征在于，所述算法运行于多个本地节点与一个聚合节点，包括以下步骤：步骤1、每个本地节点对传感器网络的数据进行汇聚，并对传感器的数据采用分时、分区、采样、归一化在内的预处理；步骤2、采用卷积神经网络模型对预处理后的数据进行训练；步骤3、当训练完成后，根据改进聚合策略判断是否满足聚合条件，如果满足则此轮训练结束；然后，计算本地模型的F1分数；最后，对模型参数、F1分数和样本总数进行同态加密并发送到聚合节点；步骤4、聚合节点在接收到所有本地节点发送的信息后，对信息进行解密，然后根据F1分数加权策略对所有本地模型进行加权和聚合，得到一个新的初始模型并发送给本地节点。