-
公开(公告)号：CN115204414A
公开(公告)日：2022-10-18
申请号：CN202210894597.3
申请日：2022-07-28
Applicant: 贵州大学
Abstract: 本申请公开了一种基于激励机制的联邦学习优化方法及系统，基于信誉值建立奖励机制，激励拥有高质量数据且能高效训练本地数据的训练客户端加入训练，只有具有高精度局部梯度与高训练效率才能获得高奖励，基于拍卖理论设计拍卖机制，训练客户端通过向雾节点拍卖本地训练任务，委托雾节点训练本地数据从而提升本地训练效率，解决训练客户端间由于性能不均而相互等待的问题，设计全局梯度聚合策略，增加高精度局部梯度在全局梯度中的权重，剔除恶意训练客户端的局部梯度，从而减少模型训练次数，整体解决了目前没有方案从激励拥有高质量数据的客户端加入训练，解决客户端性能不均衡问题和聚合策略三方面入手去解决模型训练轮次多，时间长的技术问题。
Search Results
1
records
(took 0.011 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
