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
在工业系统故障检测领域中，由于设备异构与故障数据分布有偏等情况，联邦学习经常会出现不稳定网络通信和数据异质等现实问题。因此如何融合不同参与方的异质数据并建立一种积极有效的学习模型显得至关重要。本发明提供了一种基于多层分组聚合的横向联邦学习故障检测方法，通过对联邦学习结构的部分修改，降低了数据异质性与设备异构性带来的联邦学习精度损失与通信开销。实验分析表明，与其他相关工作相比，此方法验证了多层联邦学习聚合方法的可行性和有效性，为联邦学习的聚合架构提供了一种新的设计思路。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116820816 A
(43)申请公布日 2023.09.29
(21)申请号 202310669108.9 G06N 20/00 (2019.01)
(22)申请日 2023.06.
文档评论（0）