一种面向异质性场景下的分布式机器学习方法

    公开(公告)号:CN115481749A

    公开(公告)日:2022-12-16

    申请号:CN202211088268.6

    申请日:2022-09-07

    IPC分类号: G06N20/00 G06F9/50

    摘要: 本发明属于信息技术领域,具体提供一种面向异质性场景下的分布式机器学习方法,旨在解决现有联邦学习效率提升方法,受限于分布式场景中广泛存在的非独立同分布数据,以及存在的计算负担大、依赖经验等问题。本发明通过在训练过程中动态更新相关的矩阵,实现对参与方节点的动态选择,并有效地将分布式环境中存在的非独立同分布数据纳入到了节点的选择考虑中,同时也考虑到了节点的训练效果和历史训练信息,使得模型更快地学习未知的知识或者学习效果不好的知识,从而有效提升联邦学习在实际应用场景下的模型训练效率。