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！

龙图腾网获悉浙江大学申请的专利一种混合分布式学习和集中式学习的边缘智能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：CN115936109B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211367044.9，技术领域涉及：G06N3/098；该发明授权一种混合分布式学习和集中式学习的边缘智能方法是由高智赫;陈晓明设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本一种混合分布式学习和集中式学习的边缘智能方法在说明书摘要公布了：本发明公开了一种混合分布式学习和集中式学习的边缘智能方法，涉及无线通信领域。其中，在每轮通信中，每个用户将部分采集到的数据发送至边缘服务器，同时被选中参与联邦学习的部分用户也会在本地进行学习模型训练。在完成数据发送和本地模型训练后，用空中计算方法将聚合后的联邦学习模型发给边缘服务器。边缘服务器收到用户数据和聚合模型后，通过使用用户数据进行训练生成集中学习的模型并与联邦学习的模型混合后得到最终的全局模型。本发明为充分利用用户终端采集的数据和边缘计算服务器的强大计算能力提供了一种有效的混合分布式学习和集中式学习的方法。

本发明授权一种混合分布式学习和集中式学习的边缘智能方法在权利要求书中公布了：1.一种混合分布式学习和集中式学习的边缘智能方法，其特征在于，包括如下步骤： 1基于拥有K个用户和一个边缘服务器的边缘智能系统，边缘服务器通过信道估计，获得第k个用户的信道状态信息获得的信道状态信息与真实的信道状态信息之间有误差，真实的信道状态信息||ek||≤εk；其中，ek为信道误差，εk为信道误差的上界； 2每轮通信中，边缘服务器根据获得的信道状态信息发送到边缘服务器的用户采集数据集大小|DC|以及每个用户可用于联邦学习的数据集大小|DF k|，为边缘服务器设计接收波束z，为第k个用户设计发射功率pk和选择因子αk∈{0,1}，0代表不参与联邦学习，1代表参与联邦学习； 3每个用户将本地的部分数据发送至边缘服务器，发送的同时第k个用户根据选择因子αk，决定是否进行本地模型训练；在本地训练完成和本地数据发送完成后，边缘服务器用接收到的用户数据进行集中式学习，同时，满足αk＝1的用户以发射功率pk将本地训练得到的模型参数wk发送至边缘服务器，这些模型参数以空中计算方式进行聚合，边缘服务器以设计好的接收波束z接收到聚合信号； 4边缘服务器接收到聚合信号并完成集中式训练后，对联邦学习获得的模型和集中学习获得的模型进行加权平均，进而获得最终的全局模型； 所述步骤2的每轮通信中，边缘服务器接收波束、用户发射功率和用户选择因子的设计方法具体如下： a初始化设备选择向量α＝[α1,α2,…αK]T＝[1,1,…1]T，初始化发射功率pk＝Pmax2，Pmax为用户最大发射功率； b全局模型的准确程度用期望模型与生成模型的损失函数间的均方误差来表示，均方误差其中w*是最优模型，F·是损失函数，训练完成后获得的全局模型 为上一轮产生的全局模型，为边缘服务器获得的联邦学习模型，wC为基站集中学习产生的模型， 均方误差的上边界表示为： 其中 表示基站实际接收到聚合后的联邦学习模型和理想的无误差的聚合后的联邦学习模型间的均方误差，G2为损失函数梯度的均方上限，损失函数的Lipschitz常数为L且为λ强凸； 其中，为噪声功率； 简化后得到的上界 最小化通过最小化其上界来近似实现；建立优化问题： s.t.0≤pk≤Pmax,k＝1,2,…,K, αk∈{0,1},k＝1,2,…,K； c将优化问题P拆解为两个子问题，通过交替优化迭代求解；根据初始化的[α1,α2,…αK]T＝[1,1,…1]T，将问题P转化为第一个子问题P1，固定参与联邦学习的用户，优化接收波束z和发射功率pk，即： s.t.0≤pk≤Pmax,k＝1,2,…,K； 将问题P1拆解为两个子问题，通过交替优化求解；根据初始化的pk＝Pmax2，问题P1转化为问题P2： ak≥0,k＝1,2,…,K, φk≥0,k＝1,2,…,K, 其中ak,φk为引入变量，通过CVX工具包求解问题P2得到z，将得到的z代入问题P1得到问题P3： ak≥0,k＝1,2,…,K, φk≥0,k＝1,2,…,K, 0≤pk≤Pmax,k＝1,2,…,K, Pk 2≤pk 通过CVX工具包求解问题P2得到pk；通过交替求解问题P2和问题P3并将得到的优化变量结果代入问题P1，得到新的问题P2和问题P3来迭代求解直至收敛，获得问题P1的解z,pk； 将问题P1的解代入问题P得到问题P4： s.t.αk∈{0,1},k＝1,2,…,K； 问题P4为0-1二次分式规划问题，将其转化为线性规划问题求解得到αk；通过交替求解问题P1和问题P4，并将得到的优化变量结果代入问题P得到新的问题P1和问题P4来迭代求解直至收敛，获得问题P的解z,pk,αk。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。