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梯度差异的联邦学习节点选择方法，其特点是通过分析客户端模型的梯度信息，筛选出对全局模型有积极贡献的节点，该方法采用轻量级的卷积神经网络CNN处理图像和多维数据，优化数据空间特征捕获，进而增强模型预测准确性。具体包括：系统初始化、客户端数据预处理、本地模型训练、基于梯度差异的节点选择和全局模型更新及模型性能评估等步骤。本发明与现有技术相比具有联邦学习下数据不出客户端本地的作用，有利于保持数据隐私，且全局模型受益于数据多样性，有效地解决了联邦学习中常见的不均匀数据分布和节点数据质
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117389734A
(43)申请公布日2024.01.12
(21)申请号202311399520.X
(22)申请日2023.10.26
(71)申请人华东师范大学
地址200241
文档评论（0）