摘要
本申请公开了一种面向动态社区中联邦学习的动态激励方法,包括:S1、将包含拍卖系统和训练系统的联邦学习系统初始化;S2、进行一轮拍卖,将参与联邦学习的设备加入拍卖系统并提交自身的计算资源报价;S3、根据S2中的报价决定中标设备,将中标设备加入训练模型中协助联邦学习系统完成一次全局更新;S4、S3中的中标设备在完成更新后收到联邦学习系统给与的奖励并离开训练模型;S5、测试S3中完成全局更新的联邦学习系统精度是否达标,当不达标时重复S2和S3步骤,当达标时结束联邦学习系统训练。通过创新的奖励设计,平衡了设备在动态社区中当前参与和未来参与的收益,消除了传统静态机制中设备为了收益最大化选择参与时机的动机。
技术关键词
联邦学习系统
动态社区
拍卖系统
动态激励方法
训练系统
马尔可夫模型
策略
精度
离线
因子
机制