杭州安恒信息技术股份有限公司薛梅婷获国家专利权
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！
龙图腾网获悉杭州安恒信息技术股份有限公司申请的专利基于验证集精度优化的图联邦学习方法、系统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：CN117371480B 。
龙图腾网通过国家知识产权局官网在2025-08-26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：202311310040.1，技术领域涉及：G06N3/042；该发明授权基于验证集精度优化的图联邦学习方法、系统及存储介质是由薛梅婷;苗春雨;徐龙华;严军荣设计研发完成，并于2023-10-11向国家知识产权局提交的专利申请。
本基于验证集精度优化的图联邦学习方法、系统及存储介质在说明书摘要公布了：本发明公开了基于验证集精度优化的图联邦学习方法、系统及存储介质，其方法包括步骤：利用VGAE生成基础训练模型；根据模型相似度评估方法约束局部模型靠近全局模型及远离上一轮局部模型；计算新的本地局部模型参数并根据本地验证集进行微调；服务器收集各客户端局部模型参数进行全局聚合与更新。本发明解决了相关技术中缺乏对非欧式数据的针对性优化和模型性能下降的问题。
本发明授权基于验证集精度优化的图联邦学习方法、系统及存储介质在权利要求书中公布了：1.一种基于验证集精度优化的图联邦学习方法，其特征在于，包括： 利用VGAE生成基础训练模型； 根据模型相似度评估方法约束局部模型靠近全局模型及远离上一轮局部模型； 计算新的本地局部模型参数并根据本地验证集进行微调；所述计算新的本地局部模型参数并根据本地验证集进行微调，包括步骤：将局部模型参数和全局模型参数按照比例叠加得到本地聚合后的新局部模型参数；基于本地验证集数据对本地聚合后的新局部模型参数进行验证；当满足预设的调整条件时调整全局模型的比例并重新计算本地聚合后的新局部模型参数； 所述对本地聚合后的新局部模型参数进行验证是在开始时对一批数据进行采样并在模型训练过程中用采样数据对模型进行验证；所述预设的调整条件是低于预设的模型测试精度和或低于预设的模型收敛速度； 服务器收集各客户端局部模型参数进行全局聚合与更新。
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杭州安恒信息技术股份有限公司，其通讯地址为：310000 浙江省杭州市西兴街道联慧街188安恒大厦18F；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”。
以上内容由AI智能生成
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