公开(公告)号：CN116228729A

公开(公告)日：2023-06-06

申请号：CN202310249995.4

申请日：2023-03-15

Applicant: 北京工商大学

Inventor： 贾亚楠 ,  韩龙飞 ,  蔡强 ,  王晨

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/94 ,  G06N3/0464 ,  G06N3/098

Abstract: 本申请公开了一种基于自步学习的异构鲁棒联邦学习技术。本技术所要解决的问题在于传统的联邦学习方法无法有效解决客户端内部和异构客户端之间噪声给模型带来影响，客户端内部噪声通常是由于人类专业知识差异，导致数据集标注错误；异构客户端之间的噪声反馈，导致最终训练的公共模型泛化能力差。提出了一种以自步学习思想为出发点，减少噪声带来的负面影响，增强模型的稳健性。该架构使用基于自步学习机制，计算预测标签于真实标签之间损失，有简到难的将每个样本加入到局部模型更新训练；最后为每个客户端分配相应的权重，减少含噪客户端知识对总体模型的影响，并更多关注在具有干净数据集和高效模型的客户端，提高模型的准确度和健壮性。