前后端分离的异步联邦学习方法、系统、装置及存储介质.pdfVIP

下载本文档

0
0
约2.49万字
约 23页
2023-05-18 发布于四川
举报
版权申诉

前后端分离的异步联邦学习方法、系统、装置及存储介质.pdf

1、本文档共23页，其中可免费阅读22页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种前后端分离的异步联邦学习方法、系统、装置及存储介质，其中方法包括：根据待训练服务，服务使用者向后端发送服务请求信息；后端接收到的服务请求信息推送给系统管理者；系统管理者设置待训练服务对应的待执行任务的全局训练策略，并将全局训练策略发送给后端，由后端开始待执行任务的异步联邦学习；后端向训练参与者发送训练通知；训练参与者训练本地模型，并将训练好的本地模型上传至后端；后端根据接收到的本地模型生成全局模型，并对全局模型进行评估；当评估通过，后端更新待训练服务的使用状态，并将更新后的使用状

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114861931 A (43)申请公布日 2022.08.05 (21)申请号 202210373640.1 G06F 21/60 (2013.01) (22)申请日 2022.04.