- 1、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。。
- 2、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。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、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。
- 6、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。
- 7、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
本申请公开了一种联邦学习方法、装置、设备及存储介质,涉及隐私计算技术领域。应用于多参与方组成的联邦系统,包括:获取联邦系统中各参与方的本地模型参数;通过本地基础网络和自编码器的编解码层对Round训练进行迭代,并利用预设损失函数确定出每次Round训练的过程中完成多次Epoch时对应的损失值;将本地模型参数与损失值发送到安全聚合服务器,并接收安全聚合服务器返回的全局参数和收敛状态,根据全局参数更新本地模型参数,并在收敛状态满足预设条件时停止Round训练。通过本申请的技术方案,可以提升联邦学习在
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 115841133 A
(43)申请公布日 2023.03.24
(21)申请号 202211594997.9
(22)申请日 2022.12.13
(71)申请人 成都卫士通信息产业股份有限公司
地址
知识产权出版社有限责任公司(原名专利文献出版社)成立于1980年8月,由国家知识产权局主管、主办。长期以来, 知识产权出版社非常重视专利数据资源的建设工作, 经过多年来的积累,已经收藏了数以亿计的中外专利数据资源。
原创力文档


文档评论(0)