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
本发明提供一种多模态联邦学习训练方法及装置，其中的方法包括：将共享数据输入至初始的服务器端模型，得到输出的全局特征表示，并将所述全局特征表示传输至客户端；接收所述客户端生成的局部特征表示；基于所述全局特征表示以及所述局部特征表示，对所述客户端传输的局部特征表示进行聚合，得到聚合特征表示；基于所述聚合特征表示对所述服务器端模型进行训练，完成一个轮次的模型训练。该方法以共享数据作为服务器端与客户端的知识传递，不仅保证了客户端的私有数据不被传输到服务器端，还使得服务器端能够有效利用客户端上大量的单模态
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116386058 A
(43)申请公布日 2023.07.04
(21)申请号 202310131300.2
(22)申请日 2023.02.17
(71)申请人 清华大学
地址 100084
文档评论（0）