- 1、本文档共11页,其中可免费阅读10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
本发明公开了一种边缘计算下针对数据与设备异构性加速联邦学习的方法,所述方法是对终端设备进行选择,将所述终端设备上的数据集的进行随机取样上传至边缘节点服务器,进行终端设备和边缘节点服务器协同训练,对模型进行聚合与更新,直到模型达到要求的过程。本发明通过对终端设备进行选择,选取拥有非独立同分布程度更低的数据集的终端设备参与联邦学习训练,同时利用边缘服务器的计算能力来训练部分模型,达到终端与边缘协同计算。相比于随机选择终端设备、由终端设备全部承担训练能耗与计算资源,有效的提高了联邦学习的效率,降低了终
(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 113206887 A
(43)申请公布日 2021.08.03
(21)申请号 202110502300.X
(22)申请日 2021.05.08
(71)申请人 武汉
文档评论(0)