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！

龙图腾网获悉香港中文大学(深圳);深圳市大数据研究院申请的专利一种基于异构混合数据的全局梯度双追踪分布式方法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：CN115906362B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202211610706.0，技术领域涉及：G06F30/18；该发明授权一种基于异构混合数据的全局梯度双追踪分布式方法是由葛颂阳;张纵辉设计研发完成，并于2022-12-14向国家知识产权局提交的专利申请。

本一种基于异构混合数据的全局梯度双追踪分布式方法在说明书摘要公布了：本发明涉及一种基于异构混合数据的全局梯度双追踪分布式方法，设置各节点的数据总和为全局数据，且每个节点只能与邻居节点交互与原始数据相差甚远的相关信息。通过引入两个辅助变量，包括全局线性组合追踪变量和全局梯度追踪变量，分别估计数据与变量的线性耦合全局和，以及基于全局数据变量的梯度。其中每个节点在本地进行多步随机梯度下降，既降低了计算复杂度又节省了通信开销。各节点与邻居相互交互信息，最终收敛一致，获得全局模型。本发明基于异构混合数据提出的全局梯度双追踪分布式算法可以有效地解决最复杂的非均匀混合学习Hybridlearning,HBL问题。

本发明授权一种基于异构混合数据的全局梯度双追踪分布式方法在权利要求书中公布了：1.一种基于异构混合数据的全局梯度双追踪分布式方法，其特征在于：所述分布式方法包括： 构建本地数据矩阵，进而确定全局数据矩阵Bi，并确定系统优化目标； 系统网络环境配置：考虑多节点分布式网络场景，设置N个网络节点，各节点之间服从某种连通的拓扑结构，且每个节点与邻近节点交互信息，并选取分布式节点之间的连接关系； 构建网络模型：将多节点网络建模为一个无向图，构建双随机的交互矩阵； 构建非均匀的HBL问题，确定与数据耦合的本地优化变量xn和普通优化变量θn，还有用来优化它们的损失函数f，接着引入两个追踪变量分别估计损失函数f关于每个节点n的参数xn和θn的梯度,即每个节点n引入全局线性组合追踪变量zn，i，i∈[S]其中i∈[S]为i＝1，...，S的简略表示，估计全局线性组合Bixn；基于追踪变量zn，i，i∈[S]，每个节点n继续引入全局梯度追踪变量un，估计全局梯度其中表示Bi的转置，表示函数对zn，i，i∈[S]的梯度； 将每个节点分别在本地更新Q次，完成模型参数的选取，并实现分布式节点之间的信息交互； 本地模型更新：在第r＝1,…,T轮迭代时，每个节点n＝1,…,N分别进行Q步本地更新，设每个节点的初始变量都相同，并随机初始为：与数据耦合的参数其他的网络参数全局线性组合追踪变量全局梯度追踪变量其中对于任意的节点m≠n； 重复T轮分布式节点之间的信息交互和本地模型更新步骤，使得每个分布式网络节点都获得基于第T轮获得的参数θ和x的一致模型； 每个节点将含有整个特征集的样本数据输入收敛一致的分布式模型，从而获取高准确率的医疗诊断结果。

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香港中文大学(深圳);深圳市大数据研究院，其通讯地址为：518100 广东省深圳市龙岗区龙城街道龙翔大道2001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”。