-
公开(公告)号：CN119558423A
公开(公告)日：2025-03-04
申请号：CN202311128630.2
申请日：2023-09-01
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于客户端目标增强的个性化联邦学习方法，涉及无线通信网络技术领域，本发明在联邦学习的过程中，客户端不仅在本地数据集上训练模型，还会在其目标集数据上训练得到目标集模型，更加着重每个客户端的个性化目标，提升每个客户端的模型在特定任务上的性能，根据欧氏距离计算每个客户端的个性化聚合权重，使数据分布相似的客户端在聚合中具有更大的权重，可以更显著地影响模型更新，在通信效率和收敛速度方面，只有更新后的全局模型参数需要上传，减少了通信的开销和本地的计算负担，通过使用个性化聚合权重，可以更有效地利用客户端的贡献，加速联邦学习的收敛速度。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
