一种基于STN的高效安全联邦学习方法及相关设备
公开
摘要
本申请提供一种基于STN的高效安全联邦学习方法及相关设备，其中，所述方法包括：首先，利用空间转换网络对输入的初始二维特征矩阵进行仿射变换，再将仿射变换后的二维特征矩阵输入到联邦学习模型中的卷积神经网络中，得到预测分类结果。利用空间转换网络对输入的初始二维特征矩阵进行仿射变换，等于对不同的二维特征矩阵数据集做相似处理，解决了数据集不一致的问题，从而减小了联邦学习模型中的本地模型的数据集的大小；同时也消除了后续步骤中二维特征矩阵进行多次矩阵初等变换对卷积神经网络特征提取的影响，提升了联邦学习模型分类预测的准确率。
基本信息
专利标题 ：
一种基于STN的高效安全联邦学习方法及相关设备
专利标题（英）：
暂无
公开（公告）号 ：
CN114611659A
申请号 ：
CN202210083764.6
公开（公告）日 ：
2022-06-10
申请日 ：
2022-01-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
周小明胡德孟王磊许方敏李斌赵成林刘晓凯杜韫成
申请人 ：
北京邮电大学;北京物联智通科技有限公司
申请人地址 ：
北京市海淀区西土城路10号
代理机构 ：
北京风雅颂专利代理有限公司
代理人 ：
朱智勇
优先权 ：
CN202210083764.6
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08 G06N20/00 G06F21/62
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
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-10 ：
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
