- 1、本文档共12页,其中可免费阅读11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
本发明公开了一种安全的去除第三方的混合联邦学习框架及方法,其混合学习框架包括:多个分布式计算节点,从数个分布式计算节点中选取数个边缘聚合器;其混合联邦学习方法具体为:设有m个小组,每个小组里有n个组员:每个小组i,1≤i≤m;首先根据数据集进行混合联邦学习,最终每一个小组都得到一个混合联邦学习模型Mi;将每一个小组的联邦学习模型Mi再次进行混合联邦学习,得到一个全新的联邦学习模型Mi’,将Mi’作为新一轮的模型参数的输入,以此迭代更新模型Mi’,直至联邦学习模型收敛。本发明的方法与现有方法的区别
(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 113689003 A
(43)申请公布日 2021.11.23
(21)申请号 202110913459.0
(22)申请日 2021.08.10
(71)申请人 华东师范大学
地址
文档评论(0)