一种基于权重压缩的高效联邦学习方法及系统
公开
摘要
本发明公开了一种基于权重压缩的高效联邦学习方法及系统。该方法为：客户端本地训练结束后计算本地模型的更新值，首先将更新值的符号和数值分开，然后计算更新值较大一部分数值的拟合函数，使用拟合函数代替数值传输，进一步使用LZMA2算法压缩对应索引数据，使用进制编码符号，将客户端和服务器之间的通信从权重参数转换为拟合函数、编码符号和压缩索引从而达到降低通信量的目的。系统包括服务器、客户端；服务器、客户端能实现所述基于权重压缩的高效联邦学习方法中服务器、客户端需要实现的步骤。本发明能适用于不平衡数据分布场景，模型准确率和收敛速度接近联邦平均算法，具有很好的适用性。
基本信息
专利标题 ：
一种基于权重压缩的高效联邦学习方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114301889A
申请号 ：
CN202111540629.1
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-16
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
黄婵颖蒋浩李伟琦徐欣桐杨威尹丹肖杉
申请人 ：
南京理工大学
申请人地址 ：
江苏省南京市玄武区孝陵卫200号
代理机构 ：
南京理工大学专利中心
代理人 ：
薛云燕
优先权 ：
CN202111540629.1
主分类号 ：
H04L67/01
IPC分类号 ：
H04L67/01 H04L67/06 H04L69/04 G06N3/08 G06K9/62
法律状态
2022-04-08 ：
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
