【技术实现步骤摘要】
本申请涉及联邦学习，尤其涉及一种参与方选择方法、装置、设备及存储介质。
技术介绍
1、出于保护用户隐私的考虑，联邦学习约束了参与方之间的数据交流。由于参与方之间各自的数据产生环境、用户行为习惯甚至硬件条件的不同，非独立同分布(non-independent and identically distributed,non-iid)数据普遍存在于联邦学习应用场景中。对non-iid数据的常见处理方式是构造一种参与方选择方法，即在训练中通过选择那些对联邦模型有帮助的参与方参与训练。但是现有的参与方选择方法仅基于参与方训练损失，以及局部模型和全局模型的差异来选择参与方，这种选择方法的评估机制较为片面，从而导致最终得到的训练模型的性能较差。
技术实现思路
1、本申请实施例提供一种参与方选择方法、装置、设备及存储介质，以解决现有参与方选择方法中训练出来的模型性能较差的问题。
2、为了解决上述技术问题，本申请是这样实现的：
3、第一方面，本申请实施例提供了一种参与方选择方法，该方
【技术保护点】
1.一种参与方选择方法，其特征在于，所述方法包括：
2.根据权利要求1所述的参与方选择方法，其特征在于，所述根据多个参与方设备中每个参与方设备的第一质量指标，从所述多个参与方设备中选取第一训练轮次的多个第一参与方设备，包括：
3.根据权利要求1所述的参与方选择方法，其特征在于，所述根据多个参与方设备中每个参与方设备的第一质量指标，从所述多个参与方设备中选取第一训练轮次的多个第一参与方设备，包括：
4.根据权利要求1所述的参与方选择方法，其特征在于，所述根据所述每个第一参与方设备发送的所述第一训练轮次的多个质量评估值，将所述每个第一参...
【技术特征摘要】
1.一种参与方选择方法，其特征在于，所述方法包括：
2.根据权利要求1所述的参与方选择方法，其特征在于，所述根据多个参与方设备中每个参与方设备的第一质量指标，从所述多个参与方设备中选取第一训练轮次的多个第一参与方设备，包括：
3.根据权利要求1所述的参与方选择方法，其特征在于，所述根据多个参与方设备中每个参与方设备的第一质量指标，从所述多个参与方设备中选取第一训练轮次的多个第一参与方设备，包括：
4.根据权利要求1所述的参与方选择方法，其特征在于，所述根据所述每个第一参与方设备发送的所述第一训练轮次的多个质量评估值，将所述每个第一参与方设备的第一质量指标更新至第二质量指标，包括：
5.根据权利要求1所述的参与方选择方法，其特征在于，所述训练损失值基于交叉熵损失计算得到；...
【专利技术属性】
技术研发人员：解凯旋，信伦，罗文强，范斯尧，徐寅飞，
申请(专利权)人：中国移动通信有限公司研究院，
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。