Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北大学王海获国家专利权

西北大学王海获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西北大学申请的专利一种基于残差网络的高准确率和高效通信的联邦平均算法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117114085B

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310952223.7,技术领域涉及:G06N3/098;该发明授权一种基于残差网络的高准确率和高效通信的联邦平均算法是由王海;李蕊;郝明远;张寅;袁浩博;马于惠设计研发完成,并于2023-07-31向国家知识产权局提交的专利申请。

一种基于残差网络的高准确率和高效通信的联邦平均算法在说明书摘要公布了:本发明公开了一种基于残差网络的高准确率和高效通信的联邦平均算法:步骤1、服务器对MNIST数据集进行IID和Non‑IID划分并分配到各客户端上;步骤2、每个客户端本地构建残差网络模型;步骤3、设置服务器和客户端之间通信轮数R,在每轮通信中服务器随机选择K个客户端参与该轮通信,并发送全局模型的参数;步骤4、被选中的客户端下载全局模型的参数,进行本地机器学习训练得到训练好的模型参数;步骤5、K个客户端将训练好的模型参数上传给服务器;步骤6、服务器按加权平均聚合策略更新全局模型参数,重新执行步骤3‑6,直至第R轮通信得到最终的全局模型参数。本发明相较于现有技术明显具有更高的准确率和通信效率。

本发明授权一种基于残差网络的高准确率和高效通信的联邦平均算法在权利要求书中公布了:1.一种基于残差网络的高准确率和高效通信的联邦平均算法,其特征在于,具体包括以下步骤: 步骤1、服务器对MNIST数据集进行IID和Non-IID划分,并分配到各客户端上; 步骤2、每个客户端本地构建残差网络模型,具体包括如下子步骤: 步骤21,选择ResNet18作为残差网络模型的主干网络; 步骤22,基于主干网络,构建ResNet18-E的具体网络结构;所述ResNet18-E包括依次连接的3×3卷积层、卷积组Stage1、Stage2、Stage3和线性层,其中: 所述卷积组Stage1、Stage2、Stage3均包含两个残差块,每个残差块包括两个相同通道数的3×3卷积层,每个所述卷积层后接一个BatchNormalization层和ReLU激活函数;并将该残差块的输入跳跃加在其第二个卷积层后的BatchNormalization层和ReLU激活函数之间;另外,在Stage2的第一个残差块和Stage3的第一个残差块分别增加一个下采样结构; 所述线性层为两个依次连接的线性层; 步骤3、设置服务器和客户端之间通信轮数R,在每一轮通信中服务器随机选择所有客户端C中的K个参与该轮通信,并向选中的客户端发送其存储的全局模型的参数; 步骤4、被选中的客户端下载全局模型的参数,在预设的本地迭代次数内进行本地机器学习训练;训练过程中用交叉熵损失函数计算网络损失,反向传播计算梯度,最后用随机梯度下降算法不断更新本地模型精度,得到各自对应的训练好的模型参数; 步骤5、当这K个客户端更新结束后,它们分别将本地训练好的模型参数上传给服务器; 步骤6、服务器节点从K个客户端接收它们的本地更新后的训练好的模型参数,按加权平均聚合策略更新全局模型参数,并作为聚合结果保存,将更新后的全局模型参数作为当前全局模型参数,即重新执行步骤3-6开始新一轮通信的全局模型参数更新,直至第R轮通信得到全局模型参数,作为最终的全局模型参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西北大学,其通讯地址为:710069 陕西省西安市太白北路229号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。