-
公开(公告)号：CN116822621A
公开(公告)日：2023-09-29
申请号：CN202310906570.6
申请日：2023-07-24
Applicant: 哈尔滨工业大学
IPC: G06N3/098 , G06F18/214
Abstract: 一种基于数据增强的联邦学习方法和系统，涉及联邦学习技术领域。解决针对目前很少有专门针对联邦学习环境进行有效的数据增强的研究,其中典型代表FedMix是将MixUp应用到联邦学习环境中的方法，然而其仅适用于交叉熵损失函数，具有较大的局限性的问题。所述方法包括：计算每个参与方的平均样本；根据所述平均样本构建平均样本集合；参与方将平均样本集合发送给服务器；服务器采用基于邻域扩展的MixUp的联邦学习算法训练样本集合中样本和全局模型，并更新参与方参数；对所述更新的参与方参数进行聚合，得到全局聚合模型的参数。本发明应用于通信领域。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
