原创力文档- 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
本发明公开了一种双层公平联邦学习方法，其包括如下步骤：获取多个客户端的局部模型；中央服务端对所有局部模型进行聚合处理，得到全局模型；每一所述客户端分别依据所述全局模型对对应的局部模型进行约束处理，使对应的局部模型的模型参数接近所述全局模型的模型参数，以得到对应的新的局部模型；所述中央服务端依据所有新的局部模型更新所述全局模型；本发明能够在不泄露个体客户端的内部数据的情况下，依据各个客户端的非独立同分布数据生成具有较高泛化能力的全局模型，且各个客户端的局部模型依据全局模型进行调整实现所有客户端的模
(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 113095513 A
(43)申请公布日 2021.07.09
(21)申请号 202110448566.0
(22)申请日 2021.04.25
(71)申请人 中山大学
地址 51
文档评论（0）