← 返回列表
联邦学习的客户端选择方法、装置和计算机存储介质
摘要文本
本申请涉及一种联邦学习的客户端选择方法、装置和计算机存储介质，所述方法包括：基于所有客户端的上一迭代轮次的损失值和本地数据集大小，确定当前迭代轮次中各客户端的单轮权重系数，根据各客户端的单轮权重系数和上一迭代轮次的历史权重系数，调整当前迭代轮次中各客户端的选择权重；根据当前迭代轮次所处的迭代轮次区间和预设的客户端选择数量阈值，确定当前迭代轮次的客户端选择数量；基于选择权重和客户端选择数量，选取当前迭代轮次的目标客户端。采用本方法解决了现有技术中限制客户端数量减少通信成本造成全局模型性能损失的问题，并将历史权重融入客户端的选取过程，平衡了联邦学习的训练效率和通信成本。。来源：百度搜索马克数据网
申请人信息
- 申请人:之江实验室
- 申请人地址:311121 浙江省杭州市余杭区中泰街道科创大道之江实验室
- 发明人: 之江实验室
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 联邦学习的客户端选择方法、装置和计算机存储介质 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311404191.3 |
| 申请日 | 2023/10/27 |
| 公告号 | CN117130794B |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06F9/50 |
| 权利人 | 之江实验室 |
| 发明人 | 李清明; 李晓航; 周丽; 严笑然 |
| 地址 | 浙江省杭州市余杭区之江实验室南湖总部 |
专利主权项内容
1.一种联邦学习的客户端选择方法，其特征在于，所述方法包括：基于接收到的所有客户端的上一迭代轮次的损失值和本地数据集大小，确定当前迭代轮次中各所述客户端的单轮权重系数，并设置权衡因子，利用所述权衡因子以及迭代轮次调节上一迭代轮次的历史权重系数和所述单轮权重系数的相对比例，确定当前迭代轮次各所述客户端的选择权重；设置客户端选择数量阈值，并根据预设的初始迭代轮次，将联邦学习的训练过程划分为第一迭代轮次区间和第二迭代轮次区间；若当前迭代轮次处于所述第一迭代轮次区间内，则当前迭代轮次的客户端选择数量为第一预设数量，所述第一预设数量小于等于所述客户端选择数量阈值；若当前迭代轮次处于所述第二迭代轮次区间内，则当前迭代轮次的客户端选择数量为基于所述第一预设数量和当前迭代轮次的迭代周期增量所得到的第二预设数量，所述第二预设数量小于等于所述客户端选择数量阈值；基于所述选择权重和所述客户端选择数量，选取当前迭代轮次的目标客户端。 （来 自 马 克 数 据 网）