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！

龙图腾网获悉复旦大学申请的专利基于云端模型分解的边云协同学习方法及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：CN119398138B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510005344.X，技术领域涉及：G06N3/098；该发明授权基于云端模型分解的边云协同学习方法及系统是由胡波;刘靖;李成芳;杨涛;郝子若;刘洋;孙鹏设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本基于云端模型分解的边云协同学习方法及系统在说明书摘要公布了：本发明涉及一种基于云端模型分解的边云协同学习方法及系统。属于机器学习和数据处理技术领域，所述方法包括：云端服务器进行模型训练得到集中式的云端模型分解为若干子模型；各个边缘设备确定目标子模型并调整得到定制化子模型；各个所述边缘设备将模型训练过程中的模型更新参数发送至所述云端服务器，所述云端服务器根据所述模型更新参数更新全局模型；通过知识蒸馏技术将所述全局模型的知识迁移回所述边缘设备；所述边缘设备根据所述本地数据集对所述全局模型进行微调，实现边云协同。通过在边缘设备和云端之间进行有效的知识交换，实现了模型的持续学习和全局优化，更加灵活、可扩展且适应性强。

本发明授权基于云端模型分解的边云协同学习方法及系统在权利要求书中公布了：1.一种基于云端模型分解的边云协同学习方法，其特征在于，所述方法包括： 云端服务器进行模型训练得到集中式的云端模型，使用模型分解算法将所述云端模型分解为若干子模型； 各个边缘设备分别对本地数据集进行分析，确定数据特性，并根据所述数据特性从各个所述子模型中确定与各个所述边缘设备对应的目标子模型；确定各个所述边缘设备的计算能力、设备需求，根据所述计算能力、设备需求从若干所述子模型中选择待组合子模型；将各个所述待组合子模型进行组合，得到与所述边缘设备对应的子模型集合； 各个所述边缘设备基于所述本地数据集对各自的所述目标子模型进行模型调整，得到定制化子模型；所述定制化子模型在所述边缘设备上独立完成训练； 各个所述边缘设备将模型训练过程中的模型更新参数发送至所述云端服务器，所述云端服务器根据所述模型更新参数更新全局模型，包括：各个所述边缘设备通过使用所述本地数据集对所述定制化子模型进行训练，并收集训练过程中的模型更新参数；各个所述边缘设备将所述模型更新参数发送至所述云端服务器；所述云端服务器对各个所述模型更新参数进行聚合处理，并基于聚合后的参数更新全局模型； 通过知识蒸馏技术将所述全局模型的知识迁移回所述边缘设备；所述边缘设备根据所述本地数据集对所述全局模型进行微调，实现边云协同； 所述基于云端模型分解的边云协同学习方法应用于智能交通系统中，具体实施过程如下： 交通数据采集：在城市交通关键节点部署的传感器实时收集交通流量数据； 数据预处理：边缘设备对收集的原始数据进行预处理，包括数据清洗、标准化； 特征工程与模型训练：云端服务器进行特征工程，提取有助于交通流量预测的特征，并训练初始模型； 模型分解与个性化：云端服务器将训练好的模型分解为多个子模型，并根据各个区域的交通特性个性化调整； 子模型下发与本地部署：将个性化的子模型下发至相应区域的边缘设备，并在边缘设备上部署； 实时交通流量预测：边缘设备使用本地部署的子模型对实时交通数据进行预测； 交通调度决策：基于边缘设备提供的预测结果，云端服务器制定交通调度决策； 调度策略下发与执行：云端服务器将制定的交通调度策略下发至相关交通控制单元，执行交通信号控制操作； 性能反馈与模型迭代：收集执行结果和性能数据，评估调度策略的效果，并将反馈用于模型的迭代和优化。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。