中山大学由林麟获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉中山大学申请的专利一种面向异质场景的异步联邦学习方法、装置及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114037089B 。
龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111250303.5，技术领域涉及：G06N20/20；该发明授权一种面向异质场景的异步联邦学习方法、装置及存储介质是由由林麟;刘晟;蔡铭;章圣律;郭子晗;周檬;贺俊姝设计研发完成，并于2021-10-26向国家知识产权局提交的专利申请。
本一种面向异质场景的异步联邦学习方法、装置及存储介质在说明书摘要公布了：本发明公开了一种面向异质场景的异步联邦学习方法、装置及存储介质，方法包括：从候选客户端中确定目标客户端，其中，所述目标客户端的自相关熵高于所述候选客户端中其他客户端；对所述目标客户端进行训练，得到目标参数，并将所述目标参数上传至服务器；所述服务器根据所述目标参数对模型聚合的过程进行聚合增强处理，得到第一联邦模型；对所述第一联邦模型进行策略集成处理，得到第二联邦模型；对所述第二联邦模型进行模型评估，确定目标联邦模型。本发明能够提高模型准确率并且降低通信成本，可广泛应用于人工智能技术领域。
本发明授权一种面向异质场景的异步联邦学习方法、装置及存储介质在权利要求书中公布了：1.一种面向异质场景的异步联邦学习方法，其特征在于，包括： 从候选客户端中确定目标客户端，其中，所述目标客户端的自相关熵高于所述候选客户端中其他客户端； 对所述目标客户端进行训练，得到目标参数，并将所述目标参数上传至服务器； 所述服务器根据所述目标参数对模型聚合的过程进行聚合增强处理，得到第一联邦模型； 对所述第一联邦模型进行策略集成处理，得到第二联邦模型； 对所述第二联邦模型进行模型评估，确定目标联邦模型； 所述服务器根据所述目标参数对模型聚合的过程进行聚合增强处理，得到第一联邦模型，包括： 所述服务器根据多周期分层更新策略，将通信划分为若干个周期； 对模型聚合过程中的深度神经网络的浅层和深层的更新频率进行优化； 根据所述若干个周期和优化后的更新频率，根据所述目标参数进行模型聚合，得到第一联邦模型； 其中，所述多周期分层更新策略，用于将轮通信分为个周期，所述深度神经网络的深层在最后的轮学习中更新，所述深度神经网络的浅层在所有的轮学习中更新。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号