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
本发明公开了一种基于模型和数据蒸馏的个性化联邦学习方法，涉及联邦学习技术领域，设计了共享编码器私有解码器架构，该模型可以在有限的的私有数据上，支持异构数据和异构模型，充分实现个性化并支持有效的学习。步骤如下：在客户端构建本地模型，包含共享编码器和私有解码器。客户端根据私有数据集训练本地模型，向服务器上传共享编码器的模型参数。客户端根据本地模型计算公有数据集的输出logits并向服务器上传logits。服务器对logits和多个客户端的共享编码器模型参数分别做加权聚合，得到全局logits和多个全
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117035057 A
(43)申请公布日 2023.11.10
(21)申请号 202310952319.3
(22)申请日 2023.07.31
(71)申请人 北京理工大学
地址 100081
文档评论（0）