公开(公告)号：CN116451593A

公开(公告)日：2023-07-18

申请号：CN202310700718.0

申请日：2023-06-14

Applicant: 北京邮电大学

Inventor： 梁美玉 ,  赵泽华 ,  杜军平 ,  薛哲 ,  李昂

IPC: G06F30/27 ,  G06N3/092 ,  G06N3/098 ,  G06F17/15 ,  G06F18/214

Abstract: 本申请提供一种基于数据质量评估的强化联邦学习动态采样方法及设备，能够根据初始梯度信息构建初始全局模型，并根据初始全局模型的模型性能确定每个客户端的贡献指数，将贡献指数应用到联邦学习的客户端采样中，可以基于贡献指数评估每个客户端的数据质量。然后根据贡献指数和预设的目标精度确定每个客户端的最优动作价值函数值，因为最优动作价值函数综合考虑了模型性能和模型精度，所以根据最优动作价值函数值对预设数量个客户端进行采样，能够有效地在大量参与联邦学习的客户端中智能化地筛选出高数据质量的客户端，利用具有高数据质量的客户端进行强化联邦学习，可以提高联邦学习得到的全局模型的质量和精度。

公开(公告)号：CN116451593B

公开(公告)日：2023-11-14

申请号：CN202310700718.0

申请日：2023-06-14

Applicant: 北京邮电大学

Inventor： 梁美玉 ,  赵泽华 ,  杜军平 ,  薛哲 ,  李昂

IPC: G06F30/27 ,  G06N3/092 ,  G06N3/098 ,  G06F17/15 ,  G06F18/214

Abstract: 本申请提供一种基于数据质量评估的强化联邦学习动态采样方法及设备，能够根据初始梯度信息构建初始全局模型，并根据初始全局模型的模型性能确定每个客户端的贡献指数，将贡献指数应用到联邦学习的客户端采样中，可以基于贡献指数评估每个客户端的数据质量。然后根据贡献指数和预设的目标精度确定每个客户端的最优动作价值函数值，因为最优动作价值函数综合考虑了模型性能和模型精度，所以根据最优动作价值函数值对预设数量个客户端进行采样，能够有效地在大量参与联邦学习的客户端中智能化地筛选出高数据质量的客户端，利用具有高数据质量的客户端进行强化联邦学习，可以提高联邦学习得到的全局模型的质量和精度。