一种联邦学习中基于价值增益的贡献评估方法及系统

AITNT
正文
推荐专利
一种联邦学习中基于价值增益的贡献评估方法及系统
申请号:CN202411445077
申请日期:2024-10-16
公开号:CN119443308B
公开日期:2025-09-26
类型:发明专利
摘要
本发明提供一种联邦学习中基于价值增益的贡献评估方法,包括:步骤S1.基于多维计算模型间相关性的贡献评估指标计算每个客户端本地模型与全局模型之间在第t轮次的相关性;步骤S2.基于动态调整机制计算第t轮的全局模型与预热模型之间参数上的距离并进行归一化操作获取参与客户端每一通信轮次的贡献权重;步骤S3.基于步骤1中的每个客户端本地模型与全局模型之间在第t轮次的相关性和步骤2中参与客户端每一通信轮次的贡献权重计算客户端的真实贡献值。本发明在客户端的贡献评估领域,该方法有效降低了计算复杂度并不依赖于测数据集。
技术关键词
客户端 动态调整机制 参数 矩阵 模型更新 中心服务器 评估系统 指标 规模 数据 样本 代表 复杂度 元素 模块 基准
系统为您推荐了相关专利信息
1
一种面向智能制造的航空CAD零件三维检测方法
三维检测方法 航空 三维点云数据 圆柱度误差 球度误差
2
一种基于环境光自适应与AI算法的视觉疲劳缓解方法
视觉 眼球 环境光传感器数据 算法 眼角皱纹
3
基于模型参数模糊综合评价的锂电池组不一致性评估方法
电池单体 内阻 模糊综合评价方法 锂电池组 电容
4
基于数字孪生的高压开关设备温度场监测方法及系统
高压开关设备 深度前馈神经网络 数字孪生 降阶模型 监测方法
5
评估杂散电流对油气管道干扰腐蚀程度的方法及系统
检测时间间隔 应力 分布特征 油气 神经网络模型
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