面向联邦学习的多模态车联网模型平衡化训练方法、系统及设备

    公开(公告)号:CN118821910A

    公开(公告)日:2024-10-22

    申请号:CN202410854586.1

    申请日:2024-06-27

    Applicant: 广州大学

    Abstract: 本申请提供一种面向联邦学习的多模态车联网模型平衡化训练方法,主要包括:在服务端构建车联网模型并分发到N个客户端、所述服务端根据所述评估分数和动态客户选择算法确定参与模型训练的所述客户端、所述服务端根据学习率调整公式计算所述本地训练集中各模态类型数据的学习率,以及所述服务端根据所述学习率确定下一轮次训练的模态优化策略。本申请的每个客户端都能根据本地的情况来选择合适自己的模态进行训练,大大提高了客户端的适应范围。车联网环境下,多模态数据可以包括车辆位置、速度、摄像头图像、雷达数据等,能够综合考虑各种信息,提高模型的准确性和适应性。

    面向联邦学习的轻量级密文模型贡献度评估方法及系统

    公开(公告)号:CN116992463A

    公开(公告)日:2023-11-03

    申请号:CN202310782231.1

    申请日:2023-06-28

    Applicant: 广州大学

    Abstract: 本公开提供了一种面向联邦学习的轻量级密文模型贡献度评估方法及系统,方法包括:中心服务器对所有用户分组,分组信息发送给用户;在分组中选择一个第一用户,第一用户选择一个随机数作基数;中心服务器获取从第一用户开始,所有用户将预噪声添加到基数中得到的基数与所有预噪声的和;中心服务器通过第一用户减去基数得所有预噪声的和并告知分组中用户;分组中用户使用所有预噪声的和对预噪声修正得噪声,添加到模型中得噪声模型;中心服务器接收用户根据所在分组生成的噪声模型,对噪声模型进行分组聚合和贡献度评估,根据评估结果处理相应的用户和噪声模型。本公开可确保密文数据生成效率和可用性,提高用户和模型管理精细度。

Patent Agency Ranking