-
题名基于联邦学习的气象变化数据库增量式更新
认领
引用
- 1
-
-
作者
赖云华
郭艺楠
张孝秀
-
机构
丽江市气象局丽江市气象台
西藏自治区气象局西藏自治区气象信息网络中心
日喀则国家气候观象台
贵州省威宁县气象局
-
出处
《信息技术》
2026年第4期1-6,13,共6页
-
基金
基层防灾减灾研究项目(LJQXKJCX 202106)。
-
摘要
气象数据具有不平衡性,导致在更新气象数据库时数据的泛化性较差,影响更新效果。为此,文中提出基于联邦学习算法的增量式更新方法。结合海林格距离算法,通过调节不平衡数据的方式提高其可靠性;构建联邦学习框架并建立本地数据训练模型,利用梯度下降算法更新模型参数,无需各节点共享本地数据即可使各节点参与到增量式更新训练中;引入FedAvg算法聚合全部数据,通过梯度信息交换促进全局优化,提高数据的泛化性。实验表明:该方法能够有效节约网络及存储资源,数据更新结果能够精准反应局部地区的气象变化情况。
-
关键词
海林格距离算法
局部模型
梯度下降算法
FedAvg算法
-
Keywords
Hailinger distance algorithm
local model
gradient descent algorithm
FedAvg algorithm
-
分类号
P413
[天文地球—大气科学及气象学]
TP311.13
[自动化与计算机技术—计算机软件与理论]
TP181
[自动化与计算机技术—计算机科学与技术]
-
-
题名改进的联邦加权平均算法
认领
引用
被引量：9
- 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)。
-
摘要
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
TP181
[自动化与计算机技术—控制理论与控制工程]
-
![使用中文期刊助手扫码登录]()
使用中文期刊助手 扫描二维码
渝公网安备 50019002500403号违法和不良信息举报中心举报邮箱：jubao@cqvip.com