一种基于参数扰动的拆分学习模型测试方法及装置

AITNT
正文
推荐专利
一种基于参数扰动的拆分学习模型测试方法及装置
申请号:CN202410952291
申请日期:2024-07-16
公开号:CN118798299A
公开日期:2024-10-18
类型:发明专利
摘要
本发明公开了一种基于参数扰动的拆分学习模型测试方法及装置,所述方法包括:获取预先利用拆分学习方法训练得到的初始模型;利用增加参数扰动后的拆分学习方法,重新训练得到更新模型;其中,增加参数扰动后的拆分学习方法在拆分学习方法的训练过程中,由扰动者伪装成用户,在对训练队列中下一个用户进行参数共享之前,对本地模型的参数进行扰动处理;利用更新模型得到初始模型的抗干扰测试结果。本发明深入探究参数共享的信息交互过程。利用该信息交互过程的独有特征,将干扰者伪装成用户,对用户持有的模型中的参数进行扰动处理,得到更新模型,将更新模型的训练结果与初始模型的训练结果进行对比,得到初始模型的抗干扰测试结果。
技术关键词
模型测试方法 学习方法 参数 队列 模型测试装置 服务器 数据 表达式 测试模块 强度
系统为您推荐了相关专利信息
1
探究微塑料衍生溶解性有机质光化学反应性的方法
离子回旋共振质谱 有机质 塑料 支持向量回归 机器学习算法
2
一种基于人工智能的石油属性分析方法及系统
属性分析方法 残差预测 石油 残差数据 人工智能算法
3
基于激光雷达的管道对接定位辅助引导系统
圆柱体模型 激光雷达 生成对抗网络模型 引导系统 RANSAC算法
4
一种基于用户特征的体重变化预测方法及装置
变化预测方法 周期 神经网络模型 标签 能量消耗
5
一种基于GA优化算法和BP神经网络模型的井筒变形预测方法
变形预测方法 BP神经网络模型 算法 回归预测模型 变形智能
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