[发明专利]基于联邦学习的预测方法、装置、存储介质及遥感设备

说明书

本发明公开了一种基于联邦学习的预测方法、装置、存储介质及遥感设备，该方法包括：根据本地训练数据对初始模型进行训练，获得单方预测模型；将所述单方预测模型传输至地面信息中心，由所述地面信息中心将对应于若干个遥感设备的若干个所述单方预测模型进行聚合获得联邦预测模型，所述联邦预测模型包括若干个联邦分模型；接收对应的联邦分模型，并基于所述联邦分模型对待预测本地数据进行预测，获得预测标签。由此，通过在遥感设备本地进行模型训练，并基于联邦学习实现了高空数据的综合利用，打破了数据传输的技术瓶颈。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于联邦学习的预测方法、装置、存储介质及遥感设备。

背景技术

随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链Blockchain、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、实时性要求，也对技术提出了更高的要求。

当前越来越多的人造卫星等遥感设备在高空中运行，并执行各自的任务，获得对应的数据。众所周知，遥感技术难度高、耗资大，遥感设备获得的数据都很珍贵，若要综合利用各个遥感设备的数据，则需要将这些数据汇总到地面信息中心，由地面信息中心进行数据分析和处理。但是遥感设备与地面信息中心存在网络延时，且遥感设备获得的高空数据的数据量巨大，对网络宽带的要求较高，进而数据传输成为了技术瓶颈。

发明内容

本发明提供一种基于联邦学习的预测方法、装置、存储介质及遥感设备，旨在实现高空数据的综合利用，打破数据传输的技术瓶颈。

为实现上述目的，本发明提供一种基于联邦学习的预测方法，所述方法应用于遥感系统，所述方法包括：

根据本地训练数据对初始模型进行训练，获得单方预测模型；

将所述单方预测模型传输至地面信息中心，由所述地面信息中心将对应于若干个遥感设备的若干个所述单方预测模型进行聚合获得联邦预测模型，所述联邦预测模型包括若干个联邦分模型；

接收对应的联邦分模型，并基于所述联邦分模型对待预测本地数据进行预测，获得预测标签。

优选地，所述根据本地训练数据对初始模型进行训练，获得单方预测模型的步骤包括：

随机获得初始模型参数，利用所述初始模型参数获得所述本地训练数据的初始预测标签，基于所述初始预测标签和所述本地训练数据的实际标签计算损失函数；

基于所述损失函数，通过梯度下降的方式更新模型参数；

若达到收敛条件则停止更新，并将对应的模型参数保存为最终模型参数，以此获得单方预测模型。

优选地，所述若干个遥感设备具有不同的倾角，所述基于所述联邦分模型对待预测本地数据进行预测，获得预测标签的步骤之前还包括：

判断各个所述遥感设备的待预测本地数据是否包括若干个相同维度的目标数据；

若各个所述遥感设备的待预测本地数据包括若干个相同维度的目标数据，则执行步骤：基于所述联邦分模型对待预测本地数据进行预测，获得预测标签。

优选地，所述根据本地训练数据对初始模型进行训练，获得单方预测模型的步骤之前还包括：

通过控制系统接收所述地面信息中心发送的指令，根据所述指令执行任务，获得所述本地数据，所述本地数据包括图像数据；

对所述本地数据进行预处理，获得本地训练数据。

优选地，所述判断各个所述遥感设备的待预测本地数据是否包括若干个相同维度的目标数据的步骤包括：

基于预测任务确定若干个待判断维度；