基于异构算力感知的去中心化联邦学习框架及建模方法

发明专利有效专利

申请号：
CN202110258488.8
IPC分类号：G06F30/27;G06N20/20;H04L29/08;G06F111/08
申请日期：
2021-03-10
申请人：
中国科学技术大学苏州高等研究院

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	基于异构算力感知的去中心化联邦学习框架及建模方法
申请号	CN202110258488.8	申请日期	2021-03-10
法律状态	实质审查	申报国家	中国
公开/公告日	2021-06-25	公开/公告号	CN113033082A
优先权	暂无	优先权号	暂无
主分类号	G06F30/27	IPC分类号	G;0;6;F;3;0;/;2;7;;;G;0;6;N;2;0;/;2;0;;;H;0;4;L;2;9;/;0;8;;;G;0;6;F;1;1;1;/;0;8查看分类表>
申请人	中国科学技术大学苏州高等研究院	申请人地址	江苏省苏州市工业园区独墅湖高教区仁爱路166号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学技术大学苏州高等研究院	当前权利人	中国科学技术大学苏州高等研究院
发明人	朱宗卫;周学海;李曦;王超
代理机构	苏州创元专利商标事务所有限公司	代理人	范晴;丁浩秋

摘要

本发明公开了一种基于异构算力感知的去中心化联邦学习框架，包括云端协调器和若干设备端；所述云端协调器用于运行时管理、训练和参数更新方案生成、定期模型备份；所述设备端用于向云端协调器传输设备信息，在本地运行模型，更新设备端参数；所述云端协调器获取设备端一次训练时间的最小公倍数为超周期，设备端在超周期内计算不同的步长，在超周期的整数倍时聚合模型。根据设备计算能力不同而运行不同的本地步骤，在模型聚合过程中，为了减少慢节点的负面影响；采用了分布式的点对点通信方式，可以在不增加整体通信量的情况下，消除在分布式训练过程中中央服务器的通信压力。

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