一种基于自适应优化器的联邦学习方法

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/信息系统集成服务
  • 学科类别:计算机科学技术/人工智能/人工智能其他学科
  • 权利人:上海交通大学

知识产权简介

方法包括:S1、选择一个或多个客户端,发送每个本地模型的当前通信轮次t的初始模型参数、模型梯度的初始一阶矩和模型梯度的初始二阶矩;S2、计算加权和,作为当前模型参数、当前一阶矩和当前二阶矩;S3、计算通信轮次t+1的模型参数、一阶矩和二阶矩;S4、更新全局模型的模型参数、一阶矩和二阶矩,存储在缓冲区中,其中模型参数基于Adamax的方法更新;S5、将通信轮次t+1作为新的当前通信轮次,重复S1~S4,直至达到通信轮次上限。与现有技术相比,本发明具有提高联邦学习的收敛速度等优点。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式
预估金额
联系合作