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！

龙图腾网获悉东北大学申请的专利一种基于分组特征聚合的可追溯联邦增量学习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：CN120087503B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510585455.2，技术领域涉及：G06N20/00；该发明授权一种基于分组特征聚合的可追溯联邦增量学习方法是由彭玉怀;毕皓然;刘茗;王静设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本一种基于分组特征聚合的可追溯联邦增量学习方法在说明书摘要公布了：本发明提供了一种基于分组特征聚合的可追溯联邦增量学习方法，涉及联邦学习技术领域，包括如下步骤：S1、进行端节点可追溯任务学习；基于初始共享模型进行本地剪枝和微调，并根据标签分布相似度判断任务是否重复；S2、构建云端‑端侧协同分组模型；将服务器模型生成的全局共享知识以及全局共享知识所对应的聚合权重发送至端节点；S3、在端节点，客户端基于本地交叉熵损失和每个组的服务器模型生成的全局共享知识以及全局共享知识所对应的聚合权重对自身模型参数进行更新，输出更新后的模型；S4、将更新后的模型替代S1中新的子模型或更新子模型，重复S1~S3，直至达到规定训练次数停止训练。本发明旨在有效应对存储限制与任务重复性带来的挑战。

本发明授权一种基于分组特征聚合的可追溯联邦增量学习方法在权利要求书中公布了：1.一种基于分组特征聚合的可追溯联邦增量学习方法，其特征在于，包括如下步骤： S1、进行端节点可追溯任务学习训练；基于初始共享模型进行本地剪枝和微调，并根据标签分布相似度判断任务是否重复；对于非重复任务，通过可学习掩码选择性激活已有权重并融入正则约束，得到初始共享模型的新的子模型；对于重复任务，进行掩码再训练，得到此重复任务的更新子模型；端节点传递新的子模型或更新子模型的任务特征向量以及本轮模型的更新权重至云节点； S2、构建云端-端侧协同分组模型；在端节点收集各客户端特征并使用层次聚类将其按照标签分组，将具备相似特征的客户端纳入同一组；在云节点为每个组建立对应的服务器模型，服务器模型通过知识蒸馏损失并行训练来学习组内客户端的全局共享知识；服务器模型结合云节点对组内客户端的重要性评估结果，为组内客户端分配不同的聚合权重；将每个组的服务器模型生成的全局共享知识以及全局共享知识所对应的聚合权重发送至端节点； S3、在端节点，客户端基于本地交叉熵损失和每个组的服务器模型生成的全局共享知识以及全局共享知识所对应的聚合权重对自身模型参数进行更新，输出更新后的模型； S4、将更新后的模型替代S1中新的子模型或更新子模型，重复S1~S3，直至达到规定训练次数停止训练。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷11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”。