摘要
本申请属于人工智能技术领域,涉及基于人工智能的数据处理方法、装置、计算机设备及存储介质,包括:获取预微调数据集;查询各个本地客户端设备的私有数据集;基于目标距离算法计算预微调数据集与各个本地客户端设备的私有数据集之间的距离;从预微调数据集中筛选距离最小的目标预微调数据集;基于目标预微调数据集对联邦学习模型进行预微调,得到预微调后的联邦学习模型;基于各个本地客户端设备的私有数据集对预微调后的联邦学习模型进行联邦微调得到目标联邦学习模型;基于目标联邦学习模型对业务数据进行预测处理。此外,目标联邦学习模型可存储于区块链中。本申请有效提高了生成的目标联邦学习模型在不同客户端中的适用性和预测准确性。
技术关键词
联邦学习模型
客户端设备
数据处理方法
加密策略
计算机可读指令
协方差矩阵
计算机设备
可读存储介质
数据处理装置
算法
人工智能技术
差分隐私
模块
处理器
存储器
渠道
噪声
系统为您推荐了相关专利信息
角膜地形图
智能识别系统
智能识别方法
轮廓面积
图像
数字孪生系统
仿真数据
数据处理方法
仿真模型
数据校准
强化学习模型
自动驾驶决策方法
车辆
计算机可读指令
时序
泥浆发电机
井下设备
井下通信设备
地面设备
数据处理方法
频繁序列挖掘
访问数据处理方法
树状数据结构
访问数据处理装置
数据获取单元