说明:收录全网最新的团体标准 提供单次或批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210934054.X (22)申请日 2022.08.04 (71)申请人 苏州大学 地址 215000 江苏省苏州市吴中区石湖西 路188号 (72)发明人 李军 沈纲祥  (74)专利代理 机构 苏州市中南伟业知识产权代 理事务所(普通 合伙) 32257 专利代理师 唐灵 (51)Int.Cl. G06N 20/20(2019.01) G06F 9/50(2006.01) (54)发明名称 一种联邦学习 系统中用户选择的方法 (57)摘要 本发明公开了一种联邦学习系统中用户选 择的方法, 首先, 中心服务器初始化训练任务和 全局模型, 并由OLT发送给所有用户; 其次, 本地 用户接收到全局模型后利用本地数据进行模型 更新, 并上传更新后的本地模型; 再次, OLT根据 波长的负载情况进行用户选择, 负载重的波长传 输训练时间短的用户模型, 负载轻的波长传输训 练数据多的用户模型; 从次, OLT将接收到的模型 上传至中心服务器, 中心服务器将所有接收到的 本地模型聚合生成一个新的全局模型并将其发 送给OLT; 最后, 判断全局损失函数是否达到收敛 或达到最大全局更新次数, 若否, 则重复步骤S2 ‑ S4, 若是, 则结束。 权利要求书2页 说明书5页 附图3页 CN 115329987 A 2022.11.11 CN 115329987 A 1.一种联邦学习 系统中用户选择的方法, 其特 征在于: 基于TWDM ‑PON, 包括以下步骤: S1: 中心服务器初始化一第一全局模型, 所述中心服务器将该第一全局模型下发至 OLT, 由所述OLT发送给 所有本地用户; S2: 所述本地用户接收到该第一全局模型后利用本地数据进行模型更新, 并上传更新 后的本地模型至所述OLT; S3: 所述OLT根据波长的负载情况进行用户选择, 负载大于0.5的波长传输训练时间短 的用户模型, 负载小于 0.5的波长传输训练数据多的用户模型; S4: 所述OLT将筛选分配的模型后上传至所述中心服务器, 所述中心服务器将所有接收 到的所述本地模型聚合 生成一个第二全局模型并将其发送给 所述OLT; S5: 判断全局损失函数是否达到收敛或达到最大全局更新次数, 若否, 则重复步骤S2 ‑ S4; 若是, 则结束。 2.如权利要求1所述的联邦学习系统中用户选择的方法, 其特征在于: 步骤S1中所述第 一全局模型根据任务需求和目标应用程序进行初始化设置 。 3.如权利要求1所述的联邦学习系统中用户选择的方法, 其特征在于: 步骤S2中所述的 本地模型更新方式为: 其中, t为更新次数, i用于表示本地用户, L 表示本地, G表示全局, 为更新后的本地模型, 为接收的全局模型, η为学习率, 为本地损失函数。 4.如权利要求1所述的联邦学习系统中用户选择的方法, 其特征在于: 步骤S3中还包 括: 所述OLT根据该波长下本地用户训练所述本地模型所花费 的时间进 行升序排序, 选取前 N/4个用户上传其所述本地模型。 5.如权利要求1所述的联邦学习系统中用户选择的方法, 其特征在于: 步骤S3中还包 括: 所述OLT根据该波长下本地用户的训练数据进行升序排序, 选取后N/4个用户上传其所 述本地模型。 6.如权利要求1所述的联邦学习系统中用户选择的方法, 其特征在于: 步骤S3 中其波长 传输的用户的所述本地模型的表达式如下: 其 中, Cn表示第n个波长传输的用户的所述本地模型集合, ci表示排序后的第i个本地用户, τi 表示排序后的第i个本地用户, l oad表示第n个波长的负载情况。 7.如权利要求3 ‑6任意一项所述的联邦学习系统中用户选择的方法, 其特征在于: 所述 本地模型 上传顺序由排序顺序确定 。 8.如权利要求1所述的联邦学习 系统中用户选择的方法, 其特 征在于: 步骤S4包括: S41: 根据用户训练模型所耗费的时间 和用户上传至ONU所耗费的时间 之和 Ti重新排序用户; S42: 计算出相邻用户之间的时间间隔, 第n个波长上的第i个用户与第i ‑1个用户的间 隔为 权 利 要 求 书 1/2 页 2 CN 115329987 A 2S43: 为该用户分配的带宽大小可以表示 为: 其中, Z为轮询窗口 的平均大小; S44: 待所有模型传输完之后, 所述中心服务器则利用接收到的所有所述本地模型聚合 成一个新的全局模型, 聚合过程如下: 其中, 为更新后的全局模型, 为全局损失函数, N为用户总数, Di为用户i的本 地数据集大小, D为所有用户的数据集大小。 9.一种联邦学习系统, 其特征在于: 用于实现权利要求1至8任意一项所述的方法, 包 括: 所述中心服 务器, 用于对 全局模型进行初始化处 理或整合处 理; 所述OLT, 部署在所述中心服务器下游, 接收由所述中心服务器下发的初始化全局模型 或整合全局模型, 并向下发送; 接收由下游传输的数据并上传至所述中心服 务器; 用户, 接收初始化全局模型或整合全局模型, 进行模型训练后得到 本地模型并上传; ONU, 部署在 所述OLT和所述用户之间, 对所述OLT进行接收响应, 接收由所述OLT向下发 送的初始化全局模型或整合全局模型并下发至所述用户; 对所述用户需要发送的以太网数 据进行收集和缓存, 按照被分配的发送窗口向所述OLT 端发送该缓存数据; ODN, 部署在所述OLT和所述ONU之间, 完成光信号的双向传输 。 10.一种网络装置, 其特征在于: 包括: 处理器、 存储器和总线系统, 所述处理器和存储 器通过该总线系统相连, 所述存储器用于存储指令, 所述处理器用于执行存储器存储的指 令, 以实现权利要求1至8任意 一项所述的方法。权 利 要 求 书 2/2 页 3 CN 115329987 A 3

.PDF文档 专利 一种联邦学习系统中用户选择的方法

文档预览
中文文档 11 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共11页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种联邦学习系统中用户选择的方法 第 1 页 专利 一种联邦学习系统中用户选择的方法 第 2 页 专利 一种联邦学习系统中用户选择的方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 13:10:34上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。