申请/专利权人：西安交通大学

申请日：2023-12-29

公开（公告）日：2024-03-19

公开（公告）号：CN117726010A

主分类号：G06N20/00

分类号：G06N20/00;G06F30/27;G06Q30/0201

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种联邦学习模型市场训练定制化联邦学习模型的方法和系统，联邦学习模型市场接收定制化模型订单、模型参考数据集和模型购买预算；联邦学习模型市场根据模型参考数据集，对在联邦学习模型市场中注册的不同模型训练者采用知识驱动的评估机制进行模型训练者本地数据质量评估，并根据评估结果和模型购买预算，利用动态规划算法招募满足定制化模型订单的最优模型训练者；联邦学习模型市场利用最优模型训练者，通过联邦学习的形式训练定制化联邦学习模型，直至定制化联邦学习模型达到设定的准确率阈值或训练轮次后，完成训练。本发明的目的在于解决模型训练者的本地数据质量难以进行高效评估以及无法提高定制化模型性能的问题。

主权项：1.一种联邦学习模型市场训练定制化联邦学习模型的方法，其特征在于，包括：联邦学习模型市场接收定制化模型订单、模型参考数据集和模型购买预算；联邦学习模型市场根据模型参考数据集，对在联邦学习模型市场中注册的不同模型训练者采用知识驱动的评估机制进行模型训练者本地数据质量评估，并根据评估结果和模型购买预算，利用动态规划算法招募满足定制化模型订单的最优模型训练者；联邦学习模型市场利用最优模型训练者，通过联邦学习的形式训练定制化联邦学习模型，直至定制化联邦学习模型达到设定的准确率阈值或训练轮次后，完成训练。

全文数据：

权利要求：

百度查询： 西安交通大学 联邦学习模型市场训练定制化联邦学习模型的方法和系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD