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
多模型协同
审核方法
安全装置配置
合规性
附墙支座
执行动作信息
应用服务器
动作预测模型
资源
客户端
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