摘要
本发明公开了一种基于构建客户端间协作图的个性化联邦学习训练方法,属于联邦学习技术领域。本发明的核心步骤包括:1)基于KL散度计算客户端之间的特征分布距离,2)基于计算的邻接矩阵归一化后构建有向协作图,3)基于有向图的聚合带有结构信息的模型,4)本地优化。本发明主要涉及数据分布异质面临的挑战,特别涉及客户端数据分布之间的潜在关系建模,实现了通过构建客户端协作图和提出协作图辅助的个性化聚合与训练方法,缓解了数据异质等挑战,促进了个性化联邦学习中的知识共享。
技术关键词
学习训练方法
特征提取器
图像类别
客户端协作
联邦学习技术
数据分布
图像识别方法
随机梯度下降
矩阵
关系建模
分类器
节点
异质
参数
元素
核心
通道
系统为您推荐了相关专利信息
感知特征
计数方法
多头注意力机制
前馈神经网络
特征提取器
企业
XGBoost算法
XGBoost模型
联邦学习技术
样本
可见光图像
车辆运动轨迹
时空注意力机制
车辆模型
运动轨迹提取方法
级配方法
历史数据特征
联邦学习技术
GBDT模型
强化学习技术
泥水平衡盾构
姿态预测方法
盾构姿态
解码器
层次聚类法