基于模型质量评分的联邦学习聚合算法优化

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：在联邦学习环境中，客户端数据的质量是决定模型性能的关键因素。传统的评估方法依赖于在中心节点的验证集上衡量客户端模型的损失，从而对数据质量进行评估。在缺乏有效验证集的情况下，数据质量的评估是困难的。为了解决上述问题，提出了一种根据同伴信息进行模型质量评分的方法。通过对客户端上传的模型参数进行裁剪处理，基于正确评分规则的相关理论设计模型质量评分机制，并在此基础上优化聚合算法，降低低质量客户端对全局模型的影响。（剩余19367字）

试读结束

目录
monitor
客服机器人