公开(公告)号：CN117808078A

公开(公告)日：2024-04-02

申请号：CN202311627106.X

申请日：2023-11-30

申请人： 华南理工大学

发明人： 李巍华 ,  陈泽源 ,  陈祝云 ,  何敬科 ,  陈浚彬 ,  何国林

IPC分类号： G06N3/098 ,  G06N3/0985 ,  G06N3/047 ,  G06N3/045 ,  G06F18/213 ,  G06F18/241 ,  G06F18/2415

摘要： 本发明公开了一种面向长尾分布的生成式联邦学习故障诊断方法，包括：参与方与中心服务器交互获得模型参数与超参数，利用本地数据集计算模型计算分类器梯度与优化本地模型，并将模型参数与分类器梯度上传至中心服务器。服务器对分类器梯度与模型参数进行聚合，之后服务器迭代计算后得到更新平衡特征F和全局分类器的二元损失，并优化特征提取器聚合参数和全局分类器参数。参与方下载服务器迭代后的全局分类器与特征提取器参数并更新本地模型并作为下一次的迭代起点。中心服务器与参与方通讯次数达到预设迭代次数时，完成模型训练。本方法可以有效解决数据长尾分布问题，提高诊断模型性能。