申请/专利权人:南京上铁电子工程有限公司
申请日:2022-09-23
公开(公告)日:2023-03-14
公开(公告)号:CN115801793A
主分类号:H04L67/1023
分类号:H04L67/1023;H04L41/14
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.31#实质审查的生效;2023.03.14#公开
摘要:本申请提供一种联邦学习方法及相关设备。通过综合考虑边缘服务器的时延信息、能耗信息和数据标签分布信息,从若干边缘服务器中确定目标边缘服务器以参与全局模型的训练,从而减少联邦学习过程的能耗并提高全局模型的收敛速度,进而提升联邦学习的学习精度。本申请的方案,解决了由于边缘服务器的异构性造成数据标签分布不均匀而导致低分类准确度的问题。
主权项:1.一种联邦学习方法,其特征在于,通过中心服务器实现,所述方法包括:获取若干边缘服务器的时延信息、能耗信息和数据标签分布信息;其中,所述数据标签分布信息包括数据样本的数量、数据标签类型的数量以及每种所述数据标签类型的占比;根据所述时延信息、所述能耗信息和所述数据标签分布信息,从所述若干边缘服务器中确定目标边缘服务器;将全局模型的参数发送至所述目标边缘服务器;获取所述目标边缘服务器发送的训练后的全局模型的参数;其中,所述训练后的全局模型的参数是所述目标边缘服务器基于本地数据训练得到的;聚合所述训练后的全局模型的参数,得到更新的全局模型的参数;将所述更新的全局模型的参数发送至所述目标边缘服务器。
全文数据:
权利要求:
百度查询: 南京上铁电子工程有限公司 联邦学习方法及相关设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。