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
基于自适应学习率的异步联邦学习参数更新方法、电子设备及存储介质，为了解决异步联邦学习面临着双重挑战：陈旧性问题和数据集不平衡问题，本发明分别在中心服务器和工作节点解决如上问题，中心服务器接收完K个梯度后，首先进行无偏梯度估计，并实施一种基于余弦相似度的新型评估方法，以衡量延迟梯度的陈旧度；同时进一步调整学习速率，更新并广播模型参数和迭代次数。对于数据集不平衡问题，工作节点引入了一个类平衡损失函数，可以处理异质性数据对于模型训练的影响，本发明根据延时程度自适应调整学习速率，提高了模型的预测精度。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117151208 A
(43)申请公布日 2023.12.01
(21)申请号 202310985134.2
(22)申请日 2023.08.07
(71)申请人 大连理工大学
地址 116024
文档评论（0）