System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
所属的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。下面参照图10来描述根据本公开的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。如图10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030。其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1010执行,使得所述处理单元1010执行本说明书上述“具体实施方式”部分中描述的根据本公开各种示例性实施方式的步骤。存储单元1020可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(ram)1201和/或高速缓存存储单元1202,还可以进一步包括只读存储单元(rom)1203。存储单元1020还可以包括具有一组(至少一个)程序模块1205的程序/实用工具1204,这样的程序模块1205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。总线1030可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构
技术介绍
1、在机器学习
中,联邦学习通过中心节点与参与节点协同训练模型的方式,在保护参与节点数据隐私的同时,实现了对数据的高效利用。
2、相关技术中,中心节点向参与节点发送第一全局模型,参与节点接收到中心节点发送的第一全局模型后,根据该第一全局模型进行本地训练,得到本地模型。之后,参与节点向中心节点上传本地模型。中心节点接收到参与节点发送的本地模型后,根据所有参与节点发送的全部本文档来自技高网...
【技术保护点】
1.一种联邦学习方法,其特征在于,应用于联邦学习的中心节点,包括:
2.根据权利要求1所述的方法,其特征在于,还包括:
3.根据权利要求2所述的方法,其特征在于,所述多组本地模型参数包括所述目标本地模型参数和非目标本地模型参数;所述确定参与本轮联邦学习的参与节点在本轮联邦学习中的贡献值,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述全局模型参数和所述目标本地模型参数,确定得到所述目标本地模型参数的第二参与节点在本轮联邦学习中的贡献值,包括:
5.根据权利要求4所述的方法,其特征在于,目标本地模参数的组数为多组;所述构建每一目标本地模型参数对应的半全局模型,包括:
6.根据权利要求4所述的方法,其特征在于,所述第一测试结果包括所述全局模型处理所述测试样得到的精度;每一半全局模型对应的第二测试结果包括半全局模型处理所述测试样中得到的精度;
7.根据权利要求6所述的方法,其特征在于,所述根据所述多个平均精度差,确定每一第二参与节点在本轮联邦学习中的贡献值,包括:
8.根据权利要求1所述的
9.根据权利要求8所述的方法,其特征在于,所述确定所述目标本地模型参数的权重,包括:
10.根据权利要求1所述的方法,其特征在于,还包括:
11.根据权利要求10所述的方法,其特征在于,所述根据所述第三参与节点的信誉值,确定参与下一轮联邦学习的参与节点,包括:
12.根据权利要求1-11任一所述的方法,其特征在于,所述目标本地模型参数是相似度大于第一阈值且小于第三阈值的本地模型参数。
13.一种联邦学习装置,其特征在于,应用于联邦学习的中心节点,包括:
14.一种电子设备,其特征在于,包括:
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~12中任意一项所述的联邦学习方法。
...【技术特征摘要】
1.一种联邦学习方法,其特征在于,应用于联邦学习的中心节点,包括:
2.根据权利要求1所述的方法,其特征在于,还包括:
3.根据权利要求2所述的方法,其特征在于,所述多组本地模型参数包括所述目标本地模型参数和非目标本地模型参数;所述确定参与本轮联邦学习的参与节点在本轮联邦学习中的贡献值,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述全局模型参数和所述目标本地模型参数,确定得到所述目标本地模型参数的第二参与节点在本轮联邦学习中的贡献值,包括:
5.根据权利要求4所述的方法,其特征在于,目标本地模参数的组数为多组;所述构建每一目标本地模型参数对应的半全局模型,包括:
6.根据权利要求4所述的方法,其特征在于,所述第一测试结果包括所述全局模型处理所述测试样得到的精度;每一半全局模型对应的第二测试结果包括半全局模型处理所述测试样中得到的精度;
7.根据权利要求6所述的方法,其特征在于,所述根据所述多个平均...
【专利技术属性】
技术研发人员:李慧芳,卢燕青,
申请(专利权)人:中国电信股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。