一种基于特异性联邦学习的模型训练方法及装置
公开
摘要
本申请提供了一种基于特异性联邦学习的模型训练方法及装置，方法包括：在每一轮通信中，服务器端将全局共享模型发送至每个客户端，每个客户端根据服务器端当前传输的全局共享模型进行局部梯度更新，本地更新完成后，客户端参与服务器端的全局梯度更新，并将更新结果返回至服务器端，服务器端根据客户端返回的更新结果确定下一轮的全局共享模型，并且从第二轮起引入加权对比正则化对客户端的局部梯度更新进行校正；经过多轮通信后，客户端逐渐具有全局共享模型的特征。本申请可以在满足隐私保护机制的同时缓解客户端在训练过程中的域漂移，促进收敛。
基本信息
专利标题 ：
一种基于特异性联邦学习的模型训练方法及装置
专利标题（英）：
暂无
公开（公告）号 ：
CN114627202A
申请号 ：
CN202210212867.8
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
冯春梅鄢云路徐勇
申请人 ：
哈尔滨工业大学（深圳）
申请人地址 ：
广东省深圳市南山区西丽大学城哈工大（深圳）信息楼
代理机构 ：
深圳市智胜联合知识产权代理有限公司
代理人 ：
王月
优先权 ：
CN202210212867.8
主分类号 ：
G06T11/00
IPC分类号 ：
G06T11/00 G06N20/00 H04L67/1097
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T11/00
2D图像的生成
法律状态
2022-06-14 ：
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
