联邦神经网络的训练方法、装置及电子设备
公开
摘要
本申请实施例提供了一种联邦神经网络的训练方法、装置、电子设备及计算机可读存储介质,涉及人工智能领域。该方法包括:确定顶层模型输出的批量的第一参与方数据的反向偏导,根据正样本和负样本的反向偏导的分布情况以及扰动程度确定噪声数据的分布范围;针对每个反向偏导从分布范围中随机采样噪声数据,对反向偏导添加噪声数据,获得扰动后的反向偏导;将扰动后的反向偏导输入底层模型,以使得底层模型根据扰动后的反向偏导更新底层模型的参数。本申请实施例不需要像现有技术进行迭代或长时间的复杂计算,相对于相关技术效率更高,当效率提高后,可提供更低的最大可接受距离指标,从而提高对标签的保护能力。
基本信息
专利标题 :
联邦神经网络的训练方法、装置及电子设备
专利标题(英):
暂无
公开(公告)号 :
CN114418095A
申请号 :
CN202210071149.3
公开(公告)日 :
2022-04-29
申请日 :
2022-01-21
授权号 :
暂无
授权日 :
暂无
发明人 :
符芳诚蒋杰刘煜宏陈鹏陶阳宇薛焕然崔斌
申请人 :
腾讯科技(深圳)有限公司;北京大学
申请人地址 :
广东省深圳市南山区高新区科技中一路腾讯大厦35层
代理机构 :
北京市立方律师事务所
代理人 :
张筱宁
优先权 :
CN202210071149.3
主分类号 :
G06N3/08
IPC分类号 :
G06N3/08 G06N3/04 G06F17/16
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-04-29 :
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