摘要
本发明公开了一种个性化联邦学习的违章行为检测方法,包括:利用违章行为训练样本库训练基础特征提取模型,在服务端部署全局特征提取层,给每个客户端分发基础特征提取层并生成动态任务描述;每个客户端的基础特征提取层通过本地数据进行训练,并通过服务端下发的教师模型进行知识蒸馏学习;每个客户端提取本地数据的均值特征形成本地原型向量,将每个客户端的本地原型向量及其全局参数上传到服务端;服务端将各个客户端的本地原型向量及其全局参数进行动态聚类划分为若干个客户端群组,得到聚类中心、聚类器参数及个性化模型;服务端将更新后的聚类中心、聚类器参数及个性化模型下发至对应客户端,持续优化每个客户端的特征空间分布和模型参数。
技术关键词
客户端
服务端
原型
参数
聚类
教师
梯度下降算法
蒸馏
全局特征提取
分布式模型
特征提取模型
数据
验证数字签名
学生
动态
标签
基础
适配器
频率估计
大语言模型
系统为您推荐了相关专利信息
卫星轨道参数
卫星钟差解算
接收端
卫星观测数据
计算机程序指令
智能控制方法
粒子群优化算法
MFCC特征
波束成形算法
麦克风阵列
盆式绝缘子
参数优化方法
RBF神经网络
仿真数据
烘箱
雪犁
优化设计方法
动车组
离散相模型
参数化建模方法
智能体训练方法
模型超参数
网络结构
进程
注意力