公开(公告)号：CN116319714B

公开(公告)日：2023-07-21

申请号：CN202310589332.7

申请日：2023-05-24

Applicant: 北京邮电大学

Inventor： 王光宇 ,  石剑宇 ,  刘晓鸿 ,  张平

IPC: H04L67/01 ,  G06N3/098 ,  H04L69/04

Abstract: 本申请提供一种基于模态转换的联邦学习方法及相关设备；方法包括：客户端将本地模态的特征数据发送至服务器端；服务器端对各特征数据进行解码，得到目标模态的解码数据，并聚合每个客户端的编码参数得到全局编码器，利用全局编码器将解码数据重建为本地模态的第一重建数据，并下发至客户端，通过交互第一重建数据和特征数据来训练全局编码器，并下发训练好的全局编码器至客户端；客户端将训练好的全局编码器的输出作为下游任务模型的输入，以进行有监督训练，将训练的第一模型参数发送至其他客户端；其他客户端对下游任务模型进行半监督次训练，并将训练的第二模型参数发送至服务器端聚合，得到完成二次训练的下游任务模型。

公开(公告)号：CN116319714A

公开(公告)日：2023-06-23

申请号：CN202310589332.7

申请日：2023-05-24

Applicant: 北京邮电大学

Inventor： 王光宇 ,  石剑宇 ,  刘晓鸿 ,  张平

IPC: H04L67/01 ,  G06N3/098 ,  H04L69/04

Abstract: 本申请提供一种基于模态转换的联邦学习方法及相关设备；方法包括：客户端将本地模态的特征数据发送至服务器端；服务器端对各特征数据进行解码，得到目标模态的解码数据，并聚合每个客户端的编码参数得到全局编码器，利用全局编码器将解码数据重建为本地模态的第一重建数据，并下发至客户端，通过交互第一重建数据和特征数据来训练全局编码器，并下发训练好的全局编码器至客户端；客户端将训练好的全局编码器的输出作为下游任务模型的输入，以进行有监督训练，将训练的第一模型参数发送至其他客户端；其他客户端对下游任务模型进行半监督次训练，并将训练的第二模型参数发送至服务器端聚合，得到完成二次训练的下游任务模型。