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
本发明涉及物联网技术领域，具体涉及一种基于参数选择和预同步的加速联邦学习方法，该加速联邦学习方法基于参数选择和预同步的联邦学习框架加速联邦学习的训练，该方法通过中心服务器向所有基站分发最新的全局模型，每个基站将接收到的全局模型分发给相连接的用户；用户通过本地训练回合集合训练全局模型，并计算接收的全局模型的梯度和模型参数；用户将选择部分模型参数传输到相连接的基站，基站通过有线链路广播基站之间的模型参数；将模型参数预同步，直到达到预定数量的预同步轮次时，在从所有基站接收到聚合结果后，中心服务器更新全
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116611502 A
(43)申请公布日 2023.08.18
(21)申请号 202310545623.6
(22)申请日 2023.05.15
(71)申请人 三峡大学
地址 443002
文档评论（0）