-
公开(公告)号：CN116227632A
公开(公告)日：2023-06-06
申请号：CN202211722497.9
申请日：2022-12-30
Applicant: 中国科学技术大学苏州高等研究院
Abstract: 本发明公开了一种用于客户端异构和数据异构场景的联邦学习方法和装置。其中，该方法包括：中央服务器发送当前全局模型给所选的每个目标客户端；计算每个目标客户端的本地训练能力；根据每个目标客户端的训练能力，自动确定每个目标客户端对应的本地训练轮次；根据本地训练轮次，每个目标客户端基于引入优化的损失函数进行本地模型更新，以得到更新后的模型参数；中央服务器进行全局模型的聚合更新并开启下一轮训练。本发明在客户端进行本地训练时，通过不同客户端的训练能力自动选择训练轮次，并通过优化目标函数来以削弱Non‑IID数据带来的数据偏移问题，减轻了联邦学习中的系统异构性和数据异构性，提高了模型的训练效率。
Search Results
1
records
(took 0.041 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
