融合分层聚类和粒子群的联邦学习多目标优化方法.pdfVIP

下载本文档

5
0
约2.66万字
约 23页
2023-11-22 发布于四川
举报
版权申诉

融合分层聚类和粒子群的联邦学习多目标优化方法.pdf

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

本发明公开了融合分层聚类和粒子群的联邦学习多目标优化方法，包括步骤：根据预训练模型参数的相似性将全部参与者聚成多个类；将各参与者聚类划分成簇之后，基于聚类结果进行多目标粒子群进化阶段；对粒子更新采用线性减权和引入变异算子；每个粒子表示特定的神经网络结构参数，此阶段中，基于聚类结果按比例采样得到参与者子集，并进行一个粒子的联邦学习适应度值评估，并在联邦学习每轮训练中重新分配每个粒子内的参与者子集。本发明可快速优化联邦学习多目标均衡下超参数；分层聚类算法提高了计算效率；引入粒子群算法、线性减权和变异

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117093885 A (43)申请公布日 2023.11.21 (21)申请号 202310660995.3 G06N 3/098 (2023.01)