期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
EMFedAvg——基于EMD距离的联邦平均算法
1
作者
周旭华
丛悦
+1 位作者
李鉴明
仇计清
《广州大学学报(自然科学版)》
CAS
2020年第4期11-20,共10页
信息技术给人们生活带来便利的同时也会泄露个人隐私.联邦学习是一种可以保护数据隐私的机器学习技术,不同于现有的机器学习方法,联邦学习中数据不出参与方本地,通常面临着数据非独立同分布的问题(non-identically Independently Distri...
信息技术给人们生活带来便利的同时也会泄露个人隐私.联邦学习是一种可以保护数据隐私的机器学习技术,不同于现有的机器学习方法,联邦学习中数据不出参与方本地,通常面临着数据非独立同分布的问题(non-identically Independently Distributions, non-IID),因而现有的机器学习方法在联邦学习non-IID问题上效果大大降低.文章针对联邦学习中的non-IID问题,在联邦平均算法的基础上进行改进,对MNIST数据集进行non-IID划分并分发到各参与方,计算各参与方数据的EMD(Earth Mover’s Distance, EMD)距离,以四分位距为上界,主动去掉EMD距离过大的参与方以保证联邦整体的效果.实验结果表明,文章采用的方法比联邦平均算法提高了约5%的准确率,减少了联邦学习训练过程的通信开销,提高了整体效率,引入EMD距离还可以为衡量各参与方的贡献值提供度量依据.
展开更多
关键词
联邦
学习
non-IID
EMD距离
联邦平均算法
下载PDF
职称材料
改进的联邦加权平均算法
被引量:
4
2
作者
罗长银
王君宇
+2 位作者
陈学斌
马春地
张淑芬
《计算机应用》
CSCD
北大核心
2022年第4期1131-1136,共6页
针对基于层次分析改进的联邦平均算法在计算其数据质量时存在主观因素的影响,提出改进的联邦加权平均算法,从数据质量的角度来处理多源数据。首先,将训练样本划分为预训练样本与预测试样本;然后,使用初始全局模型在预训练数据上的精度...
针对基于层次分析改进的联邦平均算法在计算其数据质量时存在主观因素的影响,提出改进的联邦加权平均算法,从数据质量的角度来处理多源数据。首先,将训练样本划分为预训练样本与预测试样本;然后,使用初始全局模型在预训练数据上的精度作为该数据源的质量权重;最后,将质量权重引入到联邦平均算法中,重新进行全局模型中权重更新。仿真结果表明,在均等分割的数据集与非均等分割的数据集上,改进的联邦加权平均算法训练的模型与传统联邦平均算法训练的模型相比,准确率最高分别提升了1.59%和1.24%;改进的联邦加权平均算法训练的模型与传统整合多方数据再训练的模型相比,虽然准确率略有下降,但数据与模型的安全性有所提升。
展开更多
关键词
联邦
学习
联邦
平均
联邦
加权
平均
算法
多源数据
数据质量
下载PDF
职称材料
基于Bi-SRNN的联邦学习区域电力短期负荷预测模型
被引量:
2
3
作者
袁郁
杨超
+2 位作者
郑伟铭
林俊鹏
陈新
《电网与清洁能源》
CSCD
北大核心
2023年第10期45-55,共11页
随着配电网终端需求多样化和清洁能源的大规模接入,对区域电力负荷的准确预测变得至关重要。在电力市场化改革背景下,客户端倾向于用电信息保存在本地以确保隐私安全。利用天气数据和历史负荷数据,提出面向区域客户端隐私保护的联邦学...
随着配电网终端需求多样化和清洁能源的大规模接入,对区域电力负荷的准确预测变得至关重要。在电力市场化改革背景下,客户端倾向于用电信息保存在本地以确保隐私安全。利用天气数据和历史负荷数据,提出面向区域客户端隐私保护的联邦学习双向叠加循环神经网络负荷预测框架。根据短期电力负荷长序列数据之间的强关联性建立基于双向叠加循环神经网络的负荷预测模型。利用联邦平均算法构建基于联邦学习的区域负荷预测框架,将多个利用不同区域客户端负荷数据训练得到的双向叠加循环神经网络的模型进行融合,反复迭代获得全局模型。采用某市96组实时区域电力负荷公开的数据集,对该模型在区域客户端不共享负荷数据条件下的训练效果进行测试,结果表明,所构建模型具有较低的训练耗时和较高的预测精度。
展开更多
关键词
双向叠加循环神经网络
负荷预测
联邦
学习
联邦平均算法
下载PDF
职称材料
题名
EMFedAvg——基于EMD距离的联邦平均算法
1
作者
周旭华
丛悦
李鉴明
仇计清
机构
移动互联网系统与应用安全国家工程实验室
广州大学网络空间安全先进技术研究院
河北科技大学理学院
出处
《广州大学学报(自然科学版)》
CAS
2020年第4期11-20,共10页
基金
国家自然科学基金资助项目(U1636215、61871140、61872100、U1803263)
国家重点研发计划资助项目(2018YFB1004003)
+2 种基金
广东省重点研发计划资助项目(2019B010136003)
广东省高校珠江学者资助计划(2019)资助项目
移动互联网系统与应用安全国家工程实验室2020开放课题专项资助项目。
文摘
信息技术给人们生活带来便利的同时也会泄露个人隐私.联邦学习是一种可以保护数据隐私的机器学习技术,不同于现有的机器学习方法,联邦学习中数据不出参与方本地,通常面临着数据非独立同分布的问题(non-identically Independently Distributions, non-IID),因而现有的机器学习方法在联邦学习non-IID问题上效果大大降低.文章针对联邦学习中的non-IID问题,在联邦平均算法的基础上进行改进,对MNIST数据集进行non-IID划分并分发到各参与方,计算各参与方数据的EMD(Earth Mover’s Distance, EMD)距离,以四分位距为上界,主动去掉EMD距离过大的参与方以保证联邦整体的效果.实验结果表明,文章采用的方法比联邦平均算法提高了约5%的准确率,减少了联邦学习训练过程的通信开销,提高了整体效率,引入EMD距离还可以为衡量各参与方的贡献值提供度量依据.
关键词
联邦
学习
non-IID
EMD距离
联邦平均算法
Keywords
federated learning
non-IID
Earth Mover’s Distance
federated averaging algorithm
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
改进的联邦加权平均算法
被引量:
4
2
作者
罗长银
王君宇
陈学斌
马春地
张淑芬
机构
华北理工大学理学院
河北省数据科学与应用重点实验室(华北理工大学)
唐山市数据科学重点实验室(华北理工大学)
出处
《计算机应用》
CSCD
北大核心
2022年第4期1131-1136,共6页
基金
国家自然科学基金资助项目(U20A20179)
唐山市科技厅项目(18120203A)。
文摘
针对基于层次分析改进的联邦平均算法在计算其数据质量时存在主观因素的影响,提出改进的联邦加权平均算法,从数据质量的角度来处理多源数据。首先,将训练样本划分为预训练样本与预测试样本;然后,使用初始全局模型在预训练数据上的精度作为该数据源的质量权重;最后,将质量权重引入到联邦平均算法中,重新进行全局模型中权重更新。仿真结果表明,在均等分割的数据集与非均等分割的数据集上,改进的联邦加权平均算法训练的模型与传统联邦平均算法训练的模型相比,准确率最高分别提升了1.59%和1.24%;改进的联邦加权平均算法训练的模型与传统整合多方数据再训练的模型相比,虽然准确率略有下降,但数据与模型的安全性有所提升。
关键词
联邦
学习
联邦
平均
联邦
加权
平均
算法
多源数据
数据质量
Keywords
federated learning
Federated Average(FedAvg)
federated weighted average algorithm
multi-source data
data quality
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于Bi-SRNN的联邦学习区域电力短期负荷预测模型
被引量:
2
3
作者
袁郁
杨超
郑伟铭
林俊鹏
陈新
机构
广东工业大学自动化学院
广东省物联网信息技术重点实验室
出处
《电网与清洁能源》
CSCD
北大核心
2023年第10期45-55,共11页
基金
国家自然科学基金项目(U1911401)~~。
文摘
随着配电网终端需求多样化和清洁能源的大规模接入,对区域电力负荷的准确预测变得至关重要。在电力市场化改革背景下,客户端倾向于用电信息保存在本地以确保隐私安全。利用天气数据和历史负荷数据,提出面向区域客户端隐私保护的联邦学习双向叠加循环神经网络负荷预测框架。根据短期电力负荷长序列数据之间的强关联性建立基于双向叠加循环神经网络的负荷预测模型。利用联邦平均算法构建基于联邦学习的区域负荷预测框架,将多个利用不同区域客户端负荷数据训练得到的双向叠加循环神经网络的模型进行融合,反复迭代获得全局模型。采用某市96组实时区域电力负荷公开的数据集,对该模型在区域客户端不共享负荷数据条件下的训练效果进行测试,结果表明,所构建模型具有较低的训练耗时和较高的预测精度。
关键词
双向叠加循环神经网络
负荷预测
联邦
学习
联邦平均算法
Keywords
bidirectional superposition recurrent neural network
load forecasting
federated learning
FedAvg framework
分类号
TM714 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
EMFedAvg——基于EMD距离的联邦平均算法
周旭华
丛悦
李鉴明
仇计清
《广州大学学报(自然科学版)》
CAS
2020
0
下载PDF
职称材料
2
改进的联邦加权平均算法
罗长银
王君宇
陈学斌
马春地
张淑芬
《计算机应用》
CSCD
北大核心
2022
4
下载PDF
职称材料
3
基于Bi-SRNN的联邦学习区域电力短期负荷预测模型
袁郁
杨超
郑伟铭
林俊鹏
陈新
《电网与清洁能源》
CSCD
北大核心
2023
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部