-
公开(公告)号：CN116911379A
公开(公告)日：2023-10-20
申请号：CN202310741144.1
申请日：2023-06-21
Applicant: 南京邮电大学
IPC: G06N3/098 , G06N3/0464 , G06F18/15
Abstract: 本发明涉及一种基于自步学习与邻接矩阵的标签噪声鲁棒联邦学习方法，基于客户端‑服务器模式的横向联邦学习框架，进行分布式训练，包括以下步骤：步骤S1，选取可信客户端；步骤S2，根据可信客户端计算所有客户端样本的近邻关系：根据步骤S1中获得的可信客户端进行联邦学习，得到全局联邦模型，使用所述全局联邦模型为所有客户端样本计算近邻关系；步骤S3，自步更新样本近邻关系以及标签评估与矫正；步骤S4，离群样本处理。本发明提供一种安全可靠的基于自步学习与邻接矩阵的标签噪声鲁棒联邦学习方法，能够有效地减少噪声数据对模型的干扰，并提高模型收敛速度。
Search Results
1
records
(took 0.022 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
