基于区块链和联邦学习的运单准点预测算法

摘要

为了克服平台之间数据分布差异性带来的训练结果不理想，提出了一种带客户端漂移控制的动量加速联邦学习算法，利用采集的运单数据对改进算法进行验证。实验结果表明：在不同的数据分布情况下，改进的联邦学习算法相较传统的联邦平均算法（FedAvg）在性能方面得到了提高，其中收敛速度最高提升36%,F₁值最高提升5.7%。

关键词

网络货运平台 / 准点预测 / 区块链 / 联邦学习 / 动量策略