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
本公开提供的终端推荐模型的联邦训练方法，包括：在云端构建教师模型和学生模型，利用云端的历史数据集对教师、学生模型进行预训练，并将学生模型发送至各终端；各终端分别利用本地数据集对学生模型进行首轮联邦训练，得到本地学生模型；云端对本地学生模型的参数进行聚合，得到全局模型；在云端利用教师模型和历史数据集对全局模型的参数通过自监督知识蒸馏的方式进行参数增强，利用增强后的全局模型的参数对各终端的本地学生模型的参数进行更新；不断重复上述本地训练及云端的参数聚合和参数增强步骤，直至训练轮次达到上限。本公开能在
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117150122 A
(43)申请公布日 2023.12.01
(21)申请号 202311021672.6
(22)申请日 2023.08.15
(71)申请人 清华大学
地址 100084
文档评论（0）