一种基于联邦学习的电力多模态数据共享方法

AITNT
正文
推荐专利
一种基于联邦学习的电力多模态数据共享方法
申请号:CN202411006317
申请日期:2024-07-25
公开号:CN119168017A
公开日期:2024-12-20
类型:发明专利
摘要
本发明提供了一种基于联邦学习的电力多模态数据共享方法,包括:获取并对电力多模态数据进行预处理操作,初始化联邦学习框架,将联邦学习框架分发至各个参与节点,基于电力多模态数据对联邦学习的本地模型进行训练,各个参与节点将训练得到的本地模型的参数发送至中央服务器或协调节点进行聚合操作,得到全局模型参数,中央服务器或协调节点将全局模型参数分发回各个参与节点,各个参与节点根据其更新本地模型,进行下一个迭代周期的训练,重复进行上述步骤,直至满足预设的停止条件,结束迭代,得到全局模型,对全局模型进行评估,若评估结果符合预设要求,则完成训练,否则,则重复步骤,直至完成。本发明能够提升电力领域的模型性能。
技术关键词
数据共享方法 节点 多模态特征 电力 特征提取模块 服务器 视频特征提取 音频特征提取 参数 多层感知机 框架 模型更新 时序特征 注意力机制 周期 文本
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