-
公开(公告)号:CN118364855A
公开(公告)日:2024-07-19
申请号:CN202410456736.3
申请日:2024-04-16
Applicant: 大连海事大学
IPC: G06N3/042 , G06N3/096 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种基于通道蒸馏和解耦知识蒸馏的异质客户端联邦学习方法,包括:服务器设有全局模型和RC模型选取策略,服务器与K个本地客户端连接,至少2个本地客户端的结构不同;全局模型、所有本地模型和RC模型采用通道蒸馏、解耦知识蒸馏和轮值主席制的联邦学习进行迭代;当满足迭代结束条件,所有本地模型完成相互学习。通过通道蒸馏实现私有数据的隐私保护,通过通道蒸馏和解耦知识蒸馏在不依赖模型结构的情况下实现知识传递,实现了在异构的本地模型之间进行联邦学习的突破,提高了客户端群体的性能,打破了传统联邦学习固有的局限性。
-
公开(公告)号:CN117273768A
公开(公告)日:2023-12-22
申请号:CN202310903090.4
申请日:2023-07-21
Applicant: 大连海事大学
IPC: G06Q30/0201 , G06N7/01 , G06N3/092 , G06N3/04
Abstract: 本发明一种用于多源空间信息众包式采集的任务激励方法,包括以下步骤:获取当前时间众包式采集任务,确定初始当前时间众包式采集任务的初始价格;构建用于表示当前时间任务的MDP模型;基于强化学习使用网络,对MDP模型进行训练,得到训练好的强化学习使用网络;将当前时间众包式采集任务及初始当前时间众包式采集任务的初始价格输入到训练好的强化学习使用网络中,实现采集者对分配后当前时间任务进行采集。本方法在进行激励价格估计时考虑了采集者的心理价位以及任务标准价格等与估价成功率有关的信息。因此在进行估价时可以全面的考虑各种参数,与先前只考虑采集者任务距离的方法对比可以在各种情况下得到更好的结果。
-