基于联合学习的数据融合方法及装置制造方法及图纸

本公开提供了一种基于联合学习的数据融合方法及装置。该方法包括：中心节点通过根据参与方的提供的模型训练的数据量对参与方进行分类；中心节点根据对参与方进行分类的结果，向参与方分配数据训练模型结构；响应参与方根据分配的数据训练模型结构发送的参数；将参与方发送的参数进行聚合操作，以得到聚合后的参数；当对聚合后的参数的更新次数达到预设上限时，将最后一次更新的聚合后的参数设置为训练模型参数。本公开解决了现有技术中因训练数据的偏向和不均衡，而导致的训练模型精度低的问题。的问题。的问题。

【技术实现步骤摘要】
基于联合学习的数据融合方法及装置


[0001]本公开涉及计算机
，尤其涉及一种基于联合学习的数据融合方法及装置。

技术介绍

[0002]在科技飞速发展的今天，对各行各业的生产环境、应用设备等都需要不断的维护和精准的预测。所以通常都需在大量的相关数据进行训练来预测。这样就必须建立一个高精度的训练模型。
[0003]现实生活中为了训练高精度的模型，需要有大量的数据。但是联合多方数据可能会泄露数据方隐私。在训练模型的时候不同用户的数据可能会存在偏向性，比如能源站中各个锅炉其采集的数据由于锅炉所处的时间环境因素会表现出不同的特征且由于数据采集频率数据量也不一样。现阶段采用的方式是利用相同的网络训练参与方数据，然后将模型参数均上传至中心节点。现有技术没有考虑参与方数据不均衡，所有用户采用相同的神经网络作为本地模型，会影响本地模型精度。
[0004]因此，目前急需要一种在不泄露数据隐私的前提下提高模型训练精度的方法。

技术实现思路

[0005]有鉴于此，本公开实施例提供了一种基于联合学习的数据融合方法、装置、计算机设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合学习的数据融合方法，其特征在于，包括：中心节点根据参与方的提供的模型训练的数据量对参与方进行分类；中心节点根据对参与方进行分类的结果，向参与方分配数据训练模型结构；响应参与方根据分配的数据训练模型结构发送的参数；将参与方发送的参数进行聚合操作，以得到聚合后的参数；当对聚合后的参数的更新次数达到预设上限时，将最后一次更新的聚合后的参数设置为训练模型参数；其中，中心节点和参与方置于联合学习框架中。2.根据权利要求1所述的方法，其特征在于，中心节点根据参与方的提供的模型训练的数据量对参与方进行分类包括：接收参与方发送的训练模型类型及对应的训练模型的数据量；根据参与方的提供的模型训练的数据量，筛选出具有相同类别的训练模型对应的参与方；将具有同一类别的训练模型对应的参与方分为一类。3.根据权利要求1所述的方法，其特征在于，响应参与方根据分配的数据训练模型结构发送的参数包含：参与方的训练模型的数据特征的特征提取参数和参与方的训练模型全连接层参数。4.根据权利要求1所述的方法，其特征在于，将参与方发送的参数进行聚合操作，以得到聚合后的参数包括：获取参与方根据分配的数据训练模型结构发送的参数；利用奇异值分解法提取参与方根据分配的数据训练模型结构发送的参数的数据特征；将提取的具有同一类的所述数据特征进行聚合操作，以得到聚合后的参数；将聚合后的参数发送至参与方。5.一种基于联合学习的数据融合方法，其特征在于，包括：响应中心节点发送的数据训练模型结构；根据数据训练模型结构，获取训练模型的参数；利用奇异值分解法提取训练模型的参数的数据特征和全连接层参数；响应中心节点发送的聚合后的训练模型的参数的数据特征和全连接层参数；参与方更新训练模型的参数的数据特征和全连接层参数...

【专利技术属性】
技术研发人员：赵蕾，
申请(专利权)人：新智我来网络科技有限公司，
类型：发明
国别省市：