科创中国
一种基于动态调整模型聚合权重的联邦学习方法
发布时间: 2022-05-19
基本信息
合作方式：
技术转让
成果类型：
发明专利
行业领域：
其他
成果介绍
本发明公开了一种基于动态调整模型聚合权重的联邦学习方法，所述方法包括：云端服务器从各客户端接收局部训练模型和数据质量指标，若达到客户端权重更新条件，则根据数据质量、模型精度和模型差异指标对模型训练精度的贡献为每个客户端计算贡献分数，并加权平均生成全局模型；云端服务器将更新后的全局模型下发给客户端，各个客户端接收到后在本地训练数据上进行模型训练，并在训练结束后再次上传局部模型和数据质量指标给云端服务器。本发明合理的运用数据分布、模型精度及模型差异等客户端训练数据，并生成动态的聚合权重，充分挖掘了客户端训练过程中可利用的特征，形成了更高质量的全局模型，从而提高了模型精度和收敛效率。
成果亮点
团队介绍
成果资料
产业化落地方案
下载app