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！

龙图腾网获悉广东工业大学申请的专利一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统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：CN115481748B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202211051083.8，技术领域涉及：G06N20/00；该发明授权一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统是由蒋丽;谢正昊;缪家辉;赖健鑫;李嘉柱设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统在说明书摘要公布了：本发明公开了一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统，涉及工业物联网的技术领域，包括构建工业物联网联邦学习模型，计算所有智能设备的数字孪生体进行一轮联邦学习的能耗、本地数据新鲜度和模型参数新鲜度；以能耗和新鲜度之和最小化为目标，建立联合带宽分配、数据收集频率和数据计算频率的优化问题，并转化为马尔科夫决策过程，定义状态空间、动作空间和回报函数；建立深度强化学习网络并进行训练，利用训练好的深度强化学习网络进行资源调度，获得最优调度策略，应用到对应的智能设备。本发明有效减少联邦学习的时延，提高联邦学习的学习效率，杜绝了出现反向优化的情况，提高了联邦学习模型的性能。

本发明授权一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统在权利要求书中公布了：1.一种基于数字孪生辅助的联邦学习新鲜度优化方法，其特征在于，包括： S1：构建工业物联网联邦学习模型，所述模型包括一个中心服务器和若干个智能设备，并生成每个智能设备对应的数字孪生体，保存在中心服务器中； S2：根据工业物联网联邦学习模型，计算所有智能设备的数字孪生体进行一轮联邦学习的能耗、本地数据新鲜度和模型参数新鲜度； S3：以所有智能设备的数字孪生体进行一轮联邦学习的能耗、本地数据新鲜度和模型参数新鲜度之和最小化为目标，建立联合带宽分配、数据收集频率和数据计算频率的优化问题； S4：将所述优化问题转化为马尔科夫决策过程，定义工业物联网联邦学习模型的状态空间、动作空间和回报函数； S5：基于近端策略优化算法建立深度强化学习网络，利用状态空间、动作空间和回报函数对深度强化学习网络进行训练，获得训练好的深度强化学习网络； S6：利用训练好的深度强化学习网络进行资源调度，获得最优调度策略，即每个智能设备的数字孪生体分配的最优带宽、最优数据收集频率和最优数据计算频率； S7：将每个智能设备的数字孪生体分配的最优带宽、最优数据收集频率和最优数据计算频率应用到对应的智能设备。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。