-
公开(公告)号：CN115470932A
公开(公告)日：2022-12-13
申请号：CN202211082292.9
申请日：2022-09-06
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种联邦学习方法，尤其涉及一种基于强化学习的联邦学习客户端智能选取方法，属于大规模分布式边缘智能学习系统的性能优化技术领域。解决了联邦学习领域中非独立同分布数据给训练模型带来的收敛速度慢、训练准确率下降的问题。本申请在不借助任何辅助数据集，并保证客户端本地数据对服务器端不可见的隐私前提要求下，设计了一种基于数据向量的方案来揭示参与训练的联邦客户端的本地数据分布情况；在此基础上，设计一种面向平衡类分布的客户端选择算法；并基于强化学习的模型平衡每一轮联邦选择的探索与开发，从而提高联邦学习全局模型的收敛性能。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
