一种基于联邦学习的域泛化方法.pdfVIP

下载本文档

0
0
约1.34万字
约 13页
2023-05-07 发布于北京
举报
版权申诉

一种基于联邦学习的域泛化方法.pdf

1、本文档共13页，其中可免费阅读12页，需付费10金币后方可阅读剩余内容。
2、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。
3、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。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、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。
7、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。
8、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

本发明涉及一种基于联邦学习的域泛化方法，属于计算机技术领域。该方法包括：利用对抗学习网络按类别对齐客户端的源域数据的特征分布和参考特征分布；利用联邦学习架构将多个客户端的特征提取器、分布生成器和分类器的模型参数在服务器进行平均，使得多个客户端的参考特征分布一致，且靠近所有源域数据特征分布的中心，特征提取器输出的特征分布一致，且分类器能对该分布的特征进行分类；通过多轮的服务器与客户端数据交互，多个源域的特征分布按类别对齐，此时，服务器聚合的特征提取器和分类器能很好地从多源域泛化至目标域。本发明在保

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114399055 A (43)申请公布日 2022.04.26 (21)申请号 202111626157.1 (22)申请日 2021.12.28 (71)申请人重庆大学地址 40