您所在的位置: 成果库 一种基于联邦学习的联邦预测方法

一种基于联邦学习的联邦预测方法

发布时间: 2023-12-25

基本信息

合作方式: 技术转让
成果类型: 发明专利
行业领域:
电子信息技术,通信技术
成果介绍
本发明公开一种基于联邦学习的联邦预测方法,通过对本地更新的梯度向量单位化,使单个参与方更新的神经网络模型参数变化只有方向差异,无大小差异,这样既保护了数据隐私,同时不需要使用同态、差分隐私或其他加密技术,在不丢失数据精度情况下,极大减少设备与服务器之间通讯代价。另外,考虑到联邦学习场景下数据往往差异性较大,可以通过增加数据的局部信息,提高对局部参与方的性能,利用k?means算法对上传的神经网络模型参数聚类,得到相似的神经网络模型参数,提高神经网络模型参数聚合权重,既而更加适应于本参与方的数据场景。
成果亮点
本发明所要解决的是现有联邦学习预测效果不佳的问题,提供一种基于联邦学习的联邦预测方法。 为解决上述问题,本发明是通过以下技术方案实现的: 一种基于联邦学习的联邦预测方法,包括步骤如下: 步骤1、服务器初始化神经网络模型的参数,并发送给所有的参与方;所有参与方将初始化神经网络模型的参数作为本地神经网络模型的第0轮模型参数;
团队介绍
广西师范大学地处世界级旅游城市、国家历史文化名城桂林,是国家教育部与广西壮族自治区人民政府共建高校,“中西部高校基础能力建设工程项目”高校,广西重点建设的“国内一流大学”高校,全国文明校园。有王城、育才、雁山3个校区,校园面积4100多亩,各类学生50000多人,各类教职工4000多人(含离退休人员)。学校已发展成为广西教师教育的“领头羊”、人文强桂的“主力军”、科技兴桂的“生力军”、广西国际教育的“排头兵”。目前,学校正全力推进“双一流”建设和综合改革,努力实现建设国际知名、教师教育特色鲜明的国内一流大学的目标。
成果资料
产业化落地方案
点击查看
成果综合评价报告

评价单位:- (-) 评价时间:2023-12-28

李静想

保定市知识产权协会

技术经理人

综合评价

技术转让,所需资金需双方协商,此项技术想尽快落地保定,希望具备此项技术研发的技术方,能够尽快承接次项目
查看更多>
更多