CN116911408B 一种基于模型拆分的混合联邦学习方法 （西北工业大学）_第1页
CN116911408B 一种基于模型拆分的混合联邦学习方法 （西北工业大学）_第2页
CN116911408B 一种基于模型拆分的混合联邦学习方法 （西北工业大学）_第3页
CN116911408B 一种基于模型拆分的混合联邦学习方法 （西北工业大学）_第4页
CN116911408B 一种基于模型拆分的混合联邦学习方法 （西北工业大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于模型拆分的混合联设备模型进行拆分，以减少模型传输带来的开提出多粒度模型聚合算法对不同层次的模型进2混合联邦学习模块收集共享数据的样本和标签至辅助服务器标签提取器模块采用无监督学习方法，基于变分自编码器实现生成签提取器获取本地数据的标签编码，并计算本地标签编码与共享数据标签编码的差异性，采用自适应模型拆分算法对每个设备模型进行纵向拆分，拆分后得为提取通用特征的设备子模型以及提取任务相关特征的设联合训练指对于拆分后的设备子模型，联合辅助服务器上的辅助所述多粒度聚合算法对子模型进行分层参数聚合，对于拆分后层次不同各设备接收到全局模型后，替换自己的本地模型3[0003]混合联邦学习目前已经缓解了数据异构挑战，但在通信挑战上仍缺少有效的方[0005]为了克服现有技术的不足，本发明提供了一种基于模型拆分的混合联邦学习方4拆分为提取通用特征的设备子模型以及提取任务相[0019]所述多粒度聚合算法对子模型进行分层参数聚合，对于拆分后层次不同的子模5题。为了减少设备的通信量，提出了混合联邦拆分学习(HybridFederatedSplit[0030]步骤1：集中式学习。混合联邦学习模块主要用于收集共享数据以及训练辅助模分为最有益于全局联邦训练的层次结构各不相同的子模型，缓解设备本地数据的异构性。6

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论