(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 114219094 A
(43)申请公布日 2022.03.22
(21)申请号 CN202111337548.1
(22)申请日 2021.11.10
(71)申请人 华南理工大学
    地址 510640 广东省广州市天河区五山路381号
(72)发明人 张幸林 欧昭婧
(74)专利代理机构 44245 广州市华学知识产权代理有限公司
    代理人 冯炳辉
(51)Int.CI
      G06N20/00(20190101)
      G06F9/48(20060101)
      G06F9/50(20060101)
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      基于多任务联邦学习的通信成本和模型鲁棒性优化方法
(57)摘要
      本发明公开了一种基于多任务联邦学习的通信成本和模型鲁棒性优化方法，在联邦学习的场景下，单个客户机需要训练多个用户型任务，其中客户机的模型由单个共享层和多个任务特定层组成；包括：1)服务器挑选并邀请客户机参与通信；2)客户机回应并发送信息给服务；3)服务器分发共享层给所有客户机；4)客户机组合模型；5)客户机使用优化算法本地训练模型；6)客户机量化压缩共享层并发送给服务器；7)服务器对共享层进行聚合；8)重复步骤1)‑7)直到满足要求。本发明方法能够在单个客户机训练多个用户型任务的联邦学习场景下，同时最小化总体的通信成本和提高模型的鲁棒性。
正则化是最小化策略的实现
法律状态
法律状态公告日
法律状态信息
法律状态
2022-03-22
公开
发明专利申请公布
2022-04-08
实质审查的生效IPC(主分类):G06N20/00专利申请号:2021113375481申请日:20211110
实质审查的生效

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。