科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开一种基于异构资源之上的联邦学习训练和预测方法及系统,所述方法包括如下步骤：服务端确定卷积神经网络模型的学习任务和预测函数；使用联邦学习训练机器学习模型,对联邦学习场景中异构设备的计算和通信资源进行建模,根据边缘设备训练过程的所产生的延时来不断估计,并区分不同设备的资源异构特征,并提出两种策略以适应性地去调整联邦学习每轮选择边缘设备的方式以及训练过程为边缘设备所设置的训练强度,以充分利用高性能边缘设备的计算资源,减少通信、以及掉队边缘设备所带来的影响,本发明能够估计异构设备的差异性,并加快联邦学习训练的速度,对训练过程进行优化,同时能保护多参与方的数据隐私。
- 单位
