申请/专利权人:南京邮电大学
申请日:2023-04-28
公开(公告)日:2023-08-01
公开(公告)号:CN116523071A
主分类号:G06N20/00
分类号:G06N20/00;G06Q30/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.08.18#实质审查的生效;2023.08.01#公开
摘要:本发明涉及一种面向联邦学习的群体众筹博弈的持续激励方法,针对面向联邦学习的群体众筹架构中激励机制设计问题,采用基于Stackelberg双层博弈框架的激励机制,将机制设计分解为三个主要步骤,包括用户选择、酬金分配和持续性激励过程。首先针对用户感知数据质量未知的问题,将用户选择问题建模为组合多臂赌博机问题,同时为解决用户间的不公平选择问题,引入虚拟队列技术,保证用户公平性选择。其次,将联邦学习的分配策略建模为两阶段的Stackelberg博弈过程,以激励用户参与联邦学习训练,确定平台的最优定价策略和用户的最优训练策略。最后,对确保有足够的用户参与联邦学习训练过程,提出基于用户声誉的报酬激励策略,防止高声誉用户退出系统,保证持续性激励。
主权项:1.一种面向联邦学习的群体众筹博弈的持续激励方法,其特征在于:该方法包括:步骤1,任务请求者向联邦学习平台发布群体众筹任务;步骤2,联邦学习平台招募用户参与联邦学习,在此过程中,联邦学习平台向任务请求者收取报酬,并向被招募的用户发放酬金,同时,在每个轮次中对上一轮次未被招募的用户给予额外的奖励;在每个轮次中,每个用户独立地决定是否参与群体众筹任务,并决定参与联邦学习的数据量。
全文数据:
权利要求:
百度查询: 南京邮电大学 一种面向联邦学习的群体众筹博弈的持续激励方法
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。