【技术实现步骤摘要】
本专利技术属于无线通信领域，涉及一种基于莫罗包络的群体个性化联邦学习方法。
技术介绍
1、联邦学习(fl)是一种新兴的分布式机器学习范式，因其能够在保护用户数据隐私的情况下为所有参与的用户设备训练出一个合适的全局模型，现在已备受工业界和学术界的广泛关注。然而，传统的fl面临着诸多挑战，例如在面临大量异构的设备数据时，fl性能会大打折扣，尤其是将fl应用于移动网络边缘时，这样的问题会更加突出，导致最终训练得到的全局模型并不能够很好地推广到每个用户设备。
2、数据异构性源于用户设备的属性、偏好和数据采集模式等的不同，为了应对数据异构性带给联邦学习的挑战，个性化联邦学习(pfl)被提出，其核心在于为每个参与的用户设备制定一套个性化方案，与传统fl相比，pfl更加关注不同用户设备之间的数据差异性，从而尽可能地提升模型性能。目前已经有多种pfl能够有效应对数据异构性的挑战，但是其大多数设计方案只停留在个体层面。已被提出的群体个性化联邦学习(gpfl)方法，例如注意力消息传递机制的同步群体个性化联邦学习(amp-gpfl)，对用户设备算...
【技术保护点】
1.一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：所述S1具体包括以下内容：
3.根据权利要求2所述的一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：所述S2具体包括以下步骤：
4.根据权利要求3所述的一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：所述S3具体包括以下步骤：
5.根据权利要求4所述的一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：所述S4具体包括以下步骤：
6.根据权...
【技术特征摘要】
1.一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：所述s1具体包括以下内容：
3.根据权利要求2所述的一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：所述s2具体包括以下步骤：
4.根...
【专利技术属性】
技术研发人员：温万里，罗坤，高璋杰，林青巧，李佳渝，贾云健，梁靓，
申请(专利权)人：重庆大学，
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。