-
公开(公告)号：CN116489142A
公开(公告)日：2023-07-25
申请号：CN202310397410.3
申请日：2023-04-14
Applicant: 苏州大学
IPC: H04L67/06 , H04L1/00 , G06N3/098 , G06F18/214
Abstract: 本发明公开了一种联邦学习方法及联邦学习系统，学习方法包括：初始化：初始化全局模型参数；分发：将部分或全部全局模型参数下发到边缘设备；参数训练：对全局模型参数进行预训练；更新与上传：服务器下载部分剩余的全局模型参数，并下发到边缘设备进行参数训练，并提前上传部分模型参数更新，在完成训练时，上传最终模型参数更新；聚合：对所有的模型参数进行加权平均，聚合为新的模型；对新的模型重复顺序执行初始化、分发、参数训练和更新与上传以及聚合步骤。通过联邦学习方法，在边缘设备的训练阶段上传部分训练完成的模型参数，可以减少边缘设备在整体模型训练完成后的上传数据量，以此实现了降低边缘设备的上传模型参数的时间。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
