← 返回列表
能源联邦学习数据选择方法、装置和能源联邦学习系统
申请人信息
- 申请人:广东电网有限责任公司
- 申请人地址:510000 广东省广州市越秀区东风东路757号
- 发明人: 广东电网有限责任公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 能源联邦学习数据选择方法、装置和能源联邦学习系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311560308.7 |
| 申请日 | 2023/11/21 |
| 公告号 | CN117592580A |
| 公开日 | 2024/2/23 |
| IPC主分类号 | G06N20/00 |
| 权利人 | 广东电网有限责任公司 |
| 发明人 | 彭勃; 左婧; 龚贤夫; 李耀东; 崔天宇; 徐春晖; 李作红; 吴伟杰; 郇嘉嘉 |
| 地址 | 广东省广州市越秀区东风东路757号 |
摘要文本
本发明涉及联邦学习技术领域，公开了一种能源联邦学习数据选择方法、装置和能源联邦学习系统，所述方法通过获取当前通讯轮次内各个终端设备发送的终端数据，并根据数据相似性，对所述终端数据进行聚类，得到若干个聚类簇；根据可行约束条件，从所述聚类簇中选取出可行数据集合；根据开销最小化准则，对所述可行数据集合进行迭代更新，得到全局模型训练数据。本发明提供的数据选择方法能够自适应网络状态，在网络资源和终端电量限制条件下，减缓终端调度问题，有效提升参与模型更新的数据多样性，快速实现高准确的学习性能。 来自马-克-数-据-官网
专利主权项内容
1.一种能源联邦学习数据选择方法，其特征在于，所述方法包括：获取当前通讯轮次内各个终端设备发送的终端数据，并根据数据相似性，对所述终端数据进行聚类，得到若干个聚类簇；根据可行约束条件，从所述聚类簇中选取出可行数据集合；根据开销最小化准则，对所述可行数据集合进行迭代更新，得到全局模型训练数据。 （来自 马克数据网）