原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：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
第３６卷第５期重庆邮电大学学报(自然科学版)Ｖｏｌ.３６Ｎｏ.５
２０２４年１０月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｏｃｔ.２０２４
ＤＯＩ:１０.３９７９/ｊ.ｉｓｓｎ.１６７３￣８２５Ｘ.２０２３１１２７０３９２
结合自注意力机制和软阈值降噪的对比
联邦学习特征聚合算法
王毅ꎬ瞿治国ꎬ孙乐
(南京信息工程大学计算机学院ꎬ南京２１００４４)
摘要:传统人工智能(ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅꎬＡＩ)技术在智慧视觉领域的应用面临着数据异构分布、数据隐私保护和
噪声数据干扰等一系列技术难点ꎮ为了克服这些挑战ꎬ在联邦学习和信号降噪算法的思想上ꎬ提出了一种基于降
噪和数据特征聚合的对比联邦学习算法(ｃｏｍｐａｒａｔｉｖｅｆｅｄｅｒａｔｅｄｌｅａｒｎｉｎｇａｇｇｒｅｇａｔｉｏｎｆｅａｔｕｒｅａｌｇｏｒｉｔｈｍｗｉｔｈｎｏｉｓｅｒｅｄｕｃ￣
ｔｉｏｎꎬＦｅｄＣＡＦＮＲ)ꎮＦｅｄＣＡＦＮＲ引入自注意力机制和深度残差网络ꎬ构建自适应阈值降噪网络ꎬ提高联邦学习从异
构性数据中学习关键特征的能力ꎮ通过对比学习模型之间的差异ꎬ提升局部训练精度ꎬ有效增强了个体与全局模
型的一致性ꎬ进一步提高了模型对非独立同分布数据的鲁棒性ꎮ采用３种多分类数据集进行仿真实验ꎬ在数据隐
私保护的前提下证明了ＦｅｄＣＡＦＮＲ算法具有良好的收敛性和可拓展性ꎮ此外ꎬ新算法改进了学习效率ꎬ并提高了
异构数据环境下联邦学习现有算法的一致性、鲁棒性ꎮ
关键词:联邦学习ꎻ降噪ꎻ自注意力机制ꎻ特征聚合
中图分类号:ＴＰ１８３文献标志码:Ａ文章编号:１６７３￣８２５Ｘ(２０２４)０５￣０９６６￣０８
Ｓｅｌｆ￣ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍａｎｄｎｏｉｓｅｒｅｄｕｃｔｉｏｎｔｅｃｈｎｉｑｕｅｓｃｏｍｂｉｎｅｄ
ｗｉｔｈｆｅｄｅｒａｔｅｄｃｏｍｐａｒａｔｉｖｅｌｅａｒｎｉｎｇｆｅａｔｕｒｅａｇｇｒｅｇａｔｉｏｎａｌｇｏｒｉｔｈｍ
ＷＡＮＧＹｉꎬＱＵＺｈｉｇｕｏꎬＳＵＮＬｅ
(ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅꎬＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙꎬＮａｎｊｉｎｇ２１００４４ꎬＰ.Ｒ.Ｃｈｉｎａ)
Ａｂｓｔｒａｃｔ:Ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｔｒａｄｉｔｉｏｎａｌａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ(ＡＩ)ｔｅｃｈｎｉｑｕｅｓｉｎｔｈｅｆｉｅｌｄｏｆｉｎｔｅｌｌｉｇｅｎｔｖｉｓｉｏｎｆａｃｅｓａｓｅｒｉｅｓ
ｏｆｔｅｃｈｎｉｃａｌｄｉｆｆｉｃｕｌｔｉｅｓｓｕｃｈａｓｄａｔａｈｅｔｅｒｏｇｅｎｅｏｕｓｄｉｓｔｒｉｂｕｔｉｏｎꎬｄａｔａｐｒｉｖａｃｙｐｒｏｔｅｃｔｉｏｎꎬａｎｄｎｏｉｓｙｄａｔａｉｎｔｅｒｆｅｒｅｎｃｅ.Ｔｏｏ￣
ｖｅｒｃｏｍｅｔｈｅｓｅｃｈａｌｌｅｎｇｅｓꎬｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｃｏｍｐａｒａｔｉｖｅｆｅｄｅｒａｔｅｄｌｅａｒｎｉｎｇａｇｇｒｅｇａｔｉｏｎｆｅａｔｕｒｅａｌｇｏｒｉｔｈｍｗｉｔｈｎｏｉｓｅｒｅ￣
ｄｕｃｔｉｏｎ(ＦｅｄＣＡＦＮＲ)ꎬｂａｓｅｄｏｎｔｈｅｉｄｅａｓｏｆｆｅｄｅｒａｔｅｄｌｅａｒｎｉｎｇａｎｄｓｉｇｎａｌｎｏｉｓｅｒｅｄｕｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ.Ｔｈｉｓｐａｐｅｒａｄｏｐｔｓａ
ｓｅｌｆ￣ａｔｔｅｎｔｉｖｅｍｅｃｈａｎｉｓｍａｎｄａｄｅｅｐｒｅｓｉｄｕａｌｎｅｔｗｏｒｋｔｏｂｕｉｌｄａ
文档评论（0）