基于近似全局扰动的联邦学习本地锐度优化方法和系统

  • 国民经济行业:科学研究和技术服务业/研究和试验发展/工程和技术研究和试验发展
  • 学科类别:计算机科学技术/人工智能
  • 权利人:上海人工智能创新中心

知识产权简介

本发明针对联邦学习数据异构下收敛时的邻域损失曲面锐度过高并且泛华性能差的场景,提出一个高效全局锐度感知的联邦训练框架。该发明实现了全局锐度优化,同时提高了联邦学习算法在实际应用场景的泛化能力。

基本信息

权利人 上海人工智能创新中心
知识产权类型 专利
意向合作模式
预估金额
联系合作