- 1、本文档共16页,其中可免费阅读15页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供一种基于分组与权重自优化的链式联邦学习方法。该方法包括:服务器端对所有客户端进行分组;初始化相关参数并保存测试集;从第一组客户端开始,执行后续步骤;服务器端将当前的全局模型下发给当前组客户端;当前组内的各客户端对接收到的全局模型分别各自进行本地训练,并将训练得到的本地模型发送至服务器;服务器端使用测试集对接收到的所有本地模型进行测试,更新得到每个本地模型的权重,从而对所有的本地模型进行聚合得到新的全局模型并返回给当前组客户端;当前组客户端将新的全局模型传递给下一组客户端;重复上述步骤,
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117436542A
(43)申请公布日2024.01.23
(21)申请号202311231862.0
(22)申请日2023.09.21
(71)申请人河南大学
文档评论(0)