联邦学习方法、客户端、服务器、系统及介质技术方案

本公开提供一种联邦学习方法、客户端、服务器、系统及介质，所述方法包括客户端在第t＝[1,T]轮联邦学习中：接收来自服务器的本轮全局模型初始参数副本和本轮本地初始权重根据对本地模型进行τ<subgt;k</subgt;次迭代训练，以获取本轮本地模型结果参数获取包括信息的根据和损失函数获取本轮本地权重更新参数向服务器发送和以使服务器根据动态权重约束函数获取本轮全局结果权重其中，α<subgt;k</subgt;>0，根据各客户端的和α<subgt;t</subgt;获取本轮全局模型结果参数w<subgt;t</subgt;，根据w<subgt;t</subgt;获取本轮全局模型结果参数副本本公开基于聚合权重进行联邦学习，提高了模型准确性。

【技术实现步骤摘要】

本公开至少涉及联邦学习，尤其涉及一种联邦学习方法、客户端、服务器、联邦学习系统以及计算机可读存储介质。

技术介绍

1、由多个客户端共同参与的联邦学习过程，通常是由多个参与客户端对模型执行本地训练后，将本地训练结果上传中心服务器，由服务器聚合各本地训练结果，以获取基于全局的模型最终结果。

2、在这个过程中，多个参与客户端分别以自身的数据参与模型训练，中心服务器在聚合模型时，可能需要考虑各客户端对全局的贡献，因此提出了对各客户端设置聚合权重，以及如何获取有效的聚合权重，以提高模型准确性的需求。

技术实现思路

1、本公开所要解决的技术问题是针对上述不足，提供一种联邦学习方法、客户端、服务器、联邦学习系统以及计算机可读存储介质，以解决如何实现基于聚合权重的联邦学习过程的问题。

2、第一方面，本公开提供一种联邦学习方法，所述方法包括在第t＝[1,t]轮联邦学习中，参与联邦学习的各客户端k＝[1,k]中的某客户端：

3、接收来自服务器的本轮全局模型初始参数副本和本轮本地初始权重

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，所述方法包括在第t＝[1，T]轮联邦学习中，参与联邦学习的各客户端k＝[1，K]中的某客户端：

2.根据权利要求1所述的方法，其特征在于，根据对本地模型进行τk次迭代训练，以获取具体包括：

3.根据权利要求1所述的方法，其特征在于，获取包括信息的具体包括：

4.根据权利要求1所述的方法，其特征在于，根据和损失函数获取本轮本地权重更新参数具体包括：

5.根据权利要求4所述的方法，其特征在于，获取之前，所述方法还包括：

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

...

【技术特征摘要】

1.一种联邦学习方法，其特征在于，所述方法包括在第t＝[1，t]轮联邦学习中，参与联邦学习的各客户端k＝[1，k]中的某客户端：

2.根据权利要求1所述的方法，其特征在于，根据对本地模型进行τk次迭代训练，以获取具体包括：

3.根据权利要求1所述的方法，其特征在于，获取包括信息的具体包括：

4.根据权利要求1所述的方法，其特征在于，根据和损失函数获取本轮本地权重更新参数具体包括：

5.根据权利要求4所述的方法，其特征在于，获取之前，所述方法还包括：

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

7.一种联邦学习方法，其特征在于，所述方法包括在第t＝[1，t]轮联邦学习中，服务器：

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

9.根...

【专利技术属性】
技术研发人员：柳兴，贠晓雪，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人