一种预算限制下异构联邦学习激励机制的优化方法

AITNT
正文
推荐专利
一种预算限制下异构联邦学习激励机制的优化方法
申请号:CN202510037280
申请日期:2025-01-09
公开号:CN119941322B
公开日期:2025-10-28
类型:发明专利
摘要
本发明公开一种预算限制下异构联邦学习激励机制的优化方法,用于在预算约束范围内,激励移动用户积极参与联邦学习任务。包括如下步骤:根据联邦学习任务中的预算约束和成本报价进行建模,以客户端参与训练环节时联邦学习异质性造成的掉队者问题为目标,建立优化方程。基于拍卖模型‑贪心策略选择相应的移动用户候选集,结合求得的候选集提出两种客户端选择的分配方案。最后将用户候选集作为基础条件,设计满足真实性,预算可行性,个体理性的激励补偿机制。本发明提出的方法,能够在异质的联邦学习环境下,尽可能的激励移动用户参与感知任务并实现时间上的优化,从而保证联邦学习任务高效的完成。
技术关键词
客户端 贪心算法 异构 报酬 机器学习模型 强度 服务端 服务器 贪心策略 感兴趣 保证系统 发布者 计算机设备 资金 场景 存储器 处理器 异质 方程 变量
系统为您推荐了相关专利信息
1
一种基于多模型协同的施工方案智能动态审核方法及系统
多模型协同 审核方法 安全装置配置 合规性 附墙支座
2
请求访问方法、装置、计算机设备和可读存储介质
执行动作信息 应用服务器 动作预测模型 资源 客户端
3
基于数字孪生的智能汽车泵协同控制方法及系统
动态演化模型 泵送系统 拉格朗日 异构 智能汽车
4
电网物联网终端设备多场景调试系统
物联网终端设备 多场景 调试系统 无线网络传输模块 采集单元
5
一种复杂产品多源异构数据报表的处理方法及系统
表格 列表 关键字 异构 模板
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