基于半监督的横向联邦学习优化方法、设备及存储介质

发明专利有效专利

申请号：
CN202010084917.X
IPC分类号：G06N20/00
申请日期：
2020-02-10
申请人：
深圳前海微众银行股份有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于半监督的横向联邦学习优化方法、设备及存储介质
申请号	CN202010084917.X	申请日期	2020-02-10
法律状态	实质审查	申报国家	暂无
公开/公告日	2020-06-16	公开/公告号	CN111291897A
优先权	暂无	优先权号	暂无
主分类号	G06N20/00	IPC分类号	G;0;6;N;2;0;/;0;0查看分类表>
申请人	深圳前海微众银行股份有限公司	申请人地址	广东省深圳市前海深港合作区前湾一路1号A栋201室（入驻深圳市前海商务秘书有限公司）变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	深圳前海微众银行股份有限公司	当前权利人	深圳前海微众银行股份有限公司
发明人	魏锡光;李权;鞠策;高大山;曹祥;刘洋;陈天健
代理机构	深圳市世纪恒程知识产权代理事务所	代理人	张婷

摘要

本发明公开了一种基于半监督的横向联邦学习优化方法、设备及存储介质，所述方法包括：接收服务端下发的本次无标签全局模型更新的全局模型参数；根据全局模型参数和训练样本对本地的待训练模型进行自监督训练，更新待训练模型中的编码器参数和解码器参数得到本地模型参数；将本地模型参数发送给服务端，以供服务端根据各客户端发送的本地模型参数对待训练模型进行有监督训练，得到新一次无标签全局模型更新的全局模型参数并下发给各客户端；循环直到满足预设条件时停止训练得到目标模型。本发明实现在客户端只有少量标签数据甚至完全没有标签数据时，也能够进行横向联邦学习，从而适应缺乏标签数据的现实场景，节省人力成本。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供