本发明公开了一种基于联邦个性化学习的光刻热区检测方法,中心服务器聚合每个节点返回的全局模型参数,用于融合每个节点的共同特征,更新全局模型参数,再把最新的全局模型参数反馈到每个节点;每个节点从中心服务器下载全局模型参数,然后利用本地数据训练局部模型参数,以找到当前全局模型参数下局部模型参数的最优,用于克服不同节点的模型异构和数据异构;局部模型参数微调之后,节点利用本地数据训练全部参数,以找到当前参数的最优,用于寻找不同节点的共同特征。本发明解决了局部数据过少而产生的模型过拟合问题;保护各
芯片设计厂商之间的数据,实现隐私保护;提高了异构环境中联邦个性化学习模型的稳定性和整体精度。
声明:
“基于联邦个性化学习的光刻热区检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)