- 1、本文档共8页,其中可免费阅读7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
查看更多
一种联邦学习场景中高效的错误数据检测方法,其特征在于所述该方法主要包括以下模块:层次化影响分析、基于影响值的用户选择和模型更新,所述层次化影响分析为给定一训练完成的全局模型和多个测试错误的测试数据,serverS首先根据server端的训练日志来确定对模型存在负影响的用户,本发明采用了层次化的检测方法,检测方法高效;同时分别设计了优化计算资源和通信资源的检测方法,检测算法适应性强;另外,整个检测过程本地数据不暴露给任意第三方,检测算法保护了用户隐私。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112214342 A
(43)申请公布日 2021.01.12
(21)申请号 202010961288.4
(22)申请日 2020.09.14
(71)申请人 德清阿尔法创新研究院
文档评论(0)