一种基于网络卸载的联邦学习方法
基本信息
| 申请号 | CN202110548178.X | 申请日 | - |
| 公开（公告）号 | CN113238867A | 公开（公告）日 | 2021-08-10 |
| 申请公布号 | CN113238867A | 申请公布日 | 2021-08-10 |
| 分类号 | G06F9/50（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06N20/20（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 吴哲奕;张春林;许重九;邢焕;赵琛迪 | 申请（专利权）人 | 浙江凡双科技有限公司 |
| 代理机构 | 杭州求是专利事务所有限公司 | 代理人 | 刘静 |
| 地址 | 310056浙江省杭州市滨江区长河街道江二路400号2幢8层801室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于网络卸载的联邦学习方法，用于在保证（提升）终端数据隐私性的同时，提升该联邦学习方法的性能。包括：在具有多个终端和一个边缘服务器的无线通信系统，利用终端和边缘服务器共同训练一个人工智能网络；与传统联邦学习工作模式相比，部分网络的训练由终端卸载到边缘服务器进行；训练过程中选择无线通信网络环境较好、计算和传输负荷较小的终端参与网络模型的训练。本发明有效减轻了通信终端的计算负荷，减少了联邦学习方法带来的通信负载。 |
