摘要
本发明涉及知识图谱技术领域,具体涉及一种轻量级的基于遗传算法的联邦学习聚合方法。本发明提供一种轻量级的基于遗传算法的联邦学习聚合方法,通过引入遗传学习理论,重构联邦学习过程中服务器端的聚合机制,对现有聚合方法进行轻量化改进,以便更好地解决现有技术应用于物联网领域时出现的问题。本发明通过选择在每一轮训练中表现优异的客户端模型参与聚合,显著加速全局模型的收敛过程,降低训练过程中资源消耗,并提升模型的最终性能。相较于现有的联邦学习算法,本发明的选择性聚合方案在应对不可靠或异构客户端时,能够有效减少或避免来自恶意客户端的干扰,降低恶意攻击对联邦学习性能的负面影响,从而进一步提升模型的鲁棒性与可靠性。
技术关键词
遗传算法
客户端
通信接口模块
知识图谱技术
物联网设备
学习算法
数据
基准
鲁棒性
周期
异构
重构
机制
理论
线性
资源
关系
系统为您推荐了相关专利信息
跳变图案
LEO卫星
波束调度方法
优化搜索算法
卫星干扰规避
稳定性控制方法
执行机构
滑块运动速度
装备
采样方法
快速识别方法
神经网络结构
光电探测器
调制器
超网络
充放电控制策略
能量管控方法
蓄电池
粒子群优化算法
参数