希腊雅典国立技术大学的科学家提出了一种保护产消者隐私的新型光伏预测技术。高效的产消者方案依赖于准确的太阳能生产预测模型，这需要大量数据，因此隐私和效用的权衡至关重要。研究人员平衡这种权衡的方法是基于联合学习 (FL)。

“FL 流程始于与所有设备共享的全局模型。每台设备在本地训练模型，并将更新发送到中央服务器，在那里汇总以改进模型，”学者们说。“然后将这个更新的模型分发回设备进行进一步训练。FL 循环迭代多次，直到全局模型达到所需的最佳精度。”

该团队的模型在每台机器上本地运行，包括一个长短期记忆 (LSTM) 架构、一个 dropout 单元和两个完全连接的密集层。LSTM 处理顺序数据，而 dropout 单元减少过度拟合，密集层有助于做出最终预测。

该模型还使用超参数来调整本地 LSTM 模型并在中央服务器上对类似客户端进行聚类。这些超参数在训练开始前设置，控制着机器学习模型的训练过程。