一种基于轻量化模型的高效个性化联邦学习系统及方法

AITNT
正文
推荐专利
一种基于轻量化模型的高效个性化联邦学习系统及方法
申请号:CN202410836828
申请日期:2024-06-26
公开号:CN118839751B
公开日期:2025-03-21
类型:发明专利
摘要
本发明属于联邦学习领域,公开了一种基于轻量化模型的高效个性化联邦学习系统及方法,在本地训练过程中将批归一化层(BN层)集成到卷积神经网络模型,并保留该层部分参数私有使客户端保留其本地数据的个性化特征,利用基于通道权重的模型剪枝技术压缩模型,服务器端综合考量客户端的数据量、数据多样性和参与度等因素,采用基于信誉值的综合权重分配原则进行客户端权重分配,并基于该权重进行加权聚合,使用结合自适应学习率调整机制和Nesterov动量的Nadam优化算法更新全局模型。本发明可以有效提高模型收敛的速度和精度,降低通信成本,增强模型的公平性、鲁棒性和个性化能力。
技术关键词
客户端 联邦学习系统 联邦学习方法 服务器 参数 个性化特征 信誉值 通道剪枝 卷积神经网络模型 数据分布 模型剪枝 算法 模型压缩 模型更新 计算方法 冗余 指数 鲁棒性
系统为您推荐了相关专利信息
1
机械臂直线运动轨迹规划方法、装置及电子设备
关节 直线运动轨迹 雅克比矩阵 机械臂 速度
2
基于脑机数据和面部表情识别的动态难度调整技术的儿童科普游戏
面部表情识别 巴特沃斯滤波器 记忆单元 游戏参数 个性化学习路径
3
一种基于双层迁移生成对抗网络的小样本语音音色转换方法
音色转换方法 音色特征 样本 生成语音 梅尔倒谱系数
4
一种锻件质量在线检测方法及系统
能耗特征 在线检测方法 变量 锻件 模糊规则
5
一种上尿路结石术后无管化的安全性分析方法
结石 尿路 输尿管软镜鞘 径向基神经网络 安全性分析方法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号