-
公开(公告)号：CN117273121A
公开(公告)日：2023-12-22
申请号：CN202311235492.8
申请日：2023-09-22
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于帕累托最优性的分层联邦学习模型优化方法及装置，其中方法包括：基于云服务器的最大预算，求解使得全部参与者的效用函数值的累加值最大的帕累托前沿；所述参与者包括所述云服务器、边缘服务器和移动设备；从所述帕累托前沿中寻找帕累托公平解；所述帕累托公平解为所有参与者的效用函数值均最大化的帕累托最优解；基于所述帕累托公平解，确定目标边缘服务器集以及目标移动设备集，并基于所述目标边缘服务器集和所述目标移动设备集，进行分层联邦学习的模型训练。从而可以在最大预算下同时激励每个参与者，实现每个参与者的效用最大化，聚合得到高质量的全局模型。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
