一种针对非独立同分布场景下快速准确的联邦学习方法及应用
公开
摘要
本发明公开了一种针对非独立同分布场景下快速准确的联邦学习方法，所述方法包括：对联邦学习各终端设备采集的样本数据提取特征图并求其平均值作为该设备的特征图；对各终端设备的特征图加密，并根据加密后得到的哈希向量的相似性对各终端设备进行分组；在联邦学习每一轮训练中，采用本发明提出的基于设备分组的联邦学习聚合算法进行全局模型的梯度聚合，直到联邦学习训练结束。本发明还公开了一种上述方法在非独立同分布场景下进行联邦学习中的应用。本发明能够在数据非独立同分布场景下极大地减少联邦学习训练轮数，并能有效地提高联邦学习训练好的全局模型的推理精度。
基本信息
专利标题 ：
一种针对非独立同分布场景下快速准确的联邦学习方法及应用
专利标题（英）：
暂无
公开（公告）号 ：
CN114581750A
申请号 ：
CN202011284944.8
公开（公告）日 ：
2022-06-03
申请日 ：
2020-11-17
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈铭松刘天
申请人 ：
华东师范大学
申请人地址 ：
上海市闵行区东川路500号
代理机构 ：
上海德禾翰通律师事务所
代理人 ：
夏思秋
优先权 ：
CN202011284944.8
主分类号 ：
G06V10/82
IPC分类号 ：
G06V10/82 G06N3/08 G06K9/62 G06F30/27 H04N1/32 G06V10/774 G06V10/762 G06V10/74
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
