-
公开(公告)号：CN117852625A
公开(公告)日：2024-04-09
申请号：CN202410021369.4
申请日：2024-01-05
Applicant: 厦门大学
IPC: G06N3/098 , G06N3/0464
Abstract: 本发明公开了一种用于二值神经网络的低上行负载联邦学习方法及装置，其中方法包括：边缘节点接受中心节点下发的模型定义；在每个训练轮次，被选中的边缘节点从中心节点下载当前全局模型并进行训练；中心节点基于边缘节点提交的二值参数、少量实值参数以及极少量辅助参数对边缘节点实值参数变化量进行估计；中心节点根据各个边缘节点数据集的大小对所估计的实值参数变化量进行聚合并更新全局模型；从而基于神经网络参数服从正态分布的假设和二值神经网络权重二值化的原理估计边缘节点的实值参数变化量更新全局模型，具有上传数据量少，全局网络训练质量高，边缘节点模型推理速度快，兼容各种对实值参数进行线性映射后再进行参数二值化的二值神经网络。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
