联邦学习模型训练方法、电子设备及存储介质
公开
摘要
本公开提供一种联邦学习模型训练方法、电子设备及存储介质。本公开提供的联邦学习模型训练方法、电子设备及存储介质，各参与方设备通过与其他参与方设备进行联合加密训练获得本方的梯度信息之后，基于模型参数变化量和梯度信息变化量与其他参与方设备进行联合训练从而获得各自的梯度搜索方向；之后，目标参与方设备基于梯度搜索方向以及模型损失函数计算步长信息；最后，各参与方设备基于梯度搜索方向、步长信息对本方的模型参数进行更新，从而无需计算Hessian矩阵H的逆矩阵，相比于随机梯度下降方法、牛顿法和拟牛顿法其计算量小、通信量少，且可以保证快速收敛。
基本信息
专利标题 ：
联邦学习模型训练方法、电子设备及存储介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114611720A
申请号 ：
CN202210249166.1
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-14
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
鲁云飞刘洋郑会钿王聪吴烨
申请人 ：
北京字节跳动网络技术有限公司
申请人地址 ：
北京市石景山区实兴大街30号院3号楼2层B-0035房间
代理机构 ：
北京风雅颂专利代理有限公司
代理人 ：
李莎
优先权 ：
CN202210249166.1
主分类号 ：
G06N20/20
IPC分类号 ：
G06N20/20 G06F21/60
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
G06N20/20
•集成学习
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
