非独立同分布工业大数据下联邦动态加权学习方法.pdfVIP

第卷第期计算机集成制造系统

295Vol.29No.5

年月

20235ComuterInteratedManufacturinSstemsMa2023

pggyy

:/

DOI10.13196.cims.2023.05.017

j

非独立同分布工业大数据下联邦动态加权学习方法

,,,,

13415234+

,,,

刘晶朱家豪袁闰萌季海鹏

(,;,

河北工业大学人工智能与数据科学学院天津河北工业大学材料科学与工程学院

1.3004002.

;,;

天津河北省数据驱动工业智能工程研究中心天津天津开发区

3004003.3004004.

,;,)

精诺瀚海数据科技有限公司天津天津师范大学软件学院天津

3004005.300382

:,

摘要联邦学习在不交换本地数据的情况下可以完成多方协作训练很好地解决了工业物联网领域数据隐私保护

。,。

及共享问题但是传统的联邦学习在面对非独立同分布的工业数据时会因为局部模型更新导致模型的偏移针对上述

,,。

问题提出非独立同分布工业大数据下联邦动态加权学习方法该方法分为局部更新和全局聚合两个阶段在局部更新

,;,,

阶段利用联邦距离算法消除偏移程度过大的局部模型的影响在全局聚合阶段提出动态加权算法动态的给对全局模

。,

型更有利的局部数据分配更大的训练权重该方法既考虑了局部更新导致的模型偏移程度问题又兼顾了偏移局部模型

。。

对全局模型的影响通