典型文献
一种基于移动式服务器的联邦学习
文献摘要：
针对现有联邦学习同步更新模型不易实现,以及客户端数据分布差异较大时服务器集中融合客户端模型将带来负效应,导致全局模型性能较差的问题,提出了一种基于移动式服务器的联邦学习框架.首先在客户端使用梯度下降法,在服务器则基于模型知识迁移提出移动式联邦融合算法,实现移动异步更新.其次基于移动式服务器的联邦学习框架构建个性化联邦学习机制,解决非独立同分布(non independent and identically distributed,Non-IID)设置时客户端本地模型分类性能较低的问题.最后在3种基准数据集上进行仿真验证,结果表明,与现有方法对比,所提算法实现全局模型分类的精度及所需的通信轮数均优于基线方法.
文献关键词：
联邦学习;梯度下降;客户端;移动式服务器;个性化联邦学习
中图分类号：
作者姓名：
吴兰;张亚可;龚利爽;李斌全
作者机构：
河南工业大学电气工程学院,郑州450001
文献出处：
引用格式：
[1]吴兰;张亚可;龚利爽;李斌全-.一种基于移动式服务器的联邦学习)[J].中国科技论文,2022(03):288-294
A类：
移动式服务器,个性化联邦学习
B类：
学习同步,更新模型,客户端,数据分布,分布差异,负效应,全局模型,模型性能,梯度下降法,基于模型,知识迁移,融合算法,异步更新,框架构建,学习机制,决非,非独立同分布,independent,identically,distributed,Non,IID,模型分类性能,基准数据集,仿真验证,方法对比,算法实现,轮数
AB值：
0.296981
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
