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！

龙图腾网获悉广东工业大学申请的专利一种联邦学习场景下的检测噪声标注的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：CN120258173B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510375049.3，技术领域涉及：G06N20/00；该发明授权一种联邦学习场景下的检测噪声标注的方法及系统是由杨宝瑶;麻亚利;詹伟德;唐彦超;卢泽坚设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本一种联邦学习场景下的检测噪声标注的方法及系统在说明书摘要公布了：本发明涉及联邦学习的技术领域，提出一种联邦学习场景下的检测噪声标注的方法及系统，所述联邦学习场景包括若干个客户端和服务器，方法包括以下步骤：基于动态阈值检测将若干个客户端分为干净客户端和噪声客户端；将每个客户端的局部特征分布上传至服务器，服务器将接收到的局部特征聚合为全局特征分布；对于噪声客户端，根据其样本在全局特征分布所属的分布类别与其标注类别的是否一致将其样本分为干净样本及噪声样本；对于干净客户端，采用干净客户端的所有样本训练干净客户端的本地模型；对于噪声客户端，利用干净样本训练噪声客户端的本地模型，将每个客户端训练好的模型的更新内容上传至服务器；在服务器中分别对每个客户端上传的模型的更新内容进行聚合，得到更新的全局模型，该方法及系统能够精准识别噪声客户端和噪声标注样本。

本发明授权一种联邦学习场景下的检测噪声标注的方法及系统在权利要求书中公布了：1.一种联邦学习场景下的检测噪声标注的方法，所述联邦学习场景包括若干个客户端和服务器，其特征在于，包括以下步骤： 基于动态阈值检测将若干个客户端分为干净客户端和噪声客户端； 将每个客户端的局部特征分布上传至服务器，服务器将接收到的局部特征聚合为全局特征分布； 对于噪声客户端，根据其样本在全局特征分布所属的分布类别与其标注类别是否一致将其样本分为干净样本及噪声样本； 对于干净客户端，采用干净客户端的所有样本训练干净客户端的本地模型；对于噪声客户端，利用干净样本训练噪声客户端的本地模型，将每个客户端训练好的模型的更新内容上传至服务器； 在服务器中分别对每个客户端上传的模型的更新内容进行聚合，得到更新的全局模型； 基于动态阈值检测将若干个客户端分为干净客户端和噪声客户端的步骤包括：基于每个客户端各自的标注样本数据集，计算每个客户端对应的标注类别概率与预测类别概率，基于预测类别概率设置动态阈值，并基于动态阈值和标注类别概率将若干个客户端分为干净客户端和噪声客户端； 所述标注类别概率与预测类别概率的表达式分别包括： 式中，表示第个客户端的标注类别概率，表示第个客户端在第轮通信中的预测类别概率；表示第个客户端的标注样本数据集中的样本总数，表示数据集中的第个样本，表示利用第个客户端预测得到的样本的预测标签为样本的原有标签的概率；表示第个客户端对样本所属标签的最大预测概率；其中，与间的差值的绝对值越小，表示数据集中的真实标注样本越多，噪声标注样本越少； 将每个客户端的局部特征分布上传至服务器，服务器将接收到的局部特征聚合为全局特征分布的步骤包括： 在每轮通信中，每个客户端将服务器在上一轮通信下发的全局模型视为自身的本地模型，其中，当本轮通信为第一轮通信时，每个客户端的本地模型为初始的全局模型； 对于噪声客户端，将噪声客户端的标注样本数据集输入该噪声客户端的本地模型中，得到标注样本数据集中的每个样本的样本特征和模型预测概率，并利用温度系数尖锐化模型预测概率，得到尖锐化预测概率； 基于所述尖锐化预测概率构建高斯混合模型，得到噪声客户端的局部特征分布； 所述局部特征分布的表达式包括： 式中，表示高斯混合模型，和分别表示噪声客户端的标注样本数据集中的第种和第种标签，表示第种标签对应的高斯混合模型的均值，第种标签对应的高斯混合模型的协方差，表示第种标签对应的高斯混合模型的权重；表示第个样本的尖锐化预测概率，表示第个样本的模型预测标签，表示标注样本数据集中的第个样本的样本特征，表示噪声客户端的标注样本数据集中的标签的类别总数；表示的模型预测标签为标签的概率； 对于干净客户端，将干净客户端的标注样本数据集输入自身的本地模型，得到标注样本数据集中的每个样本的样本特征，对所述样本特征使用高斯混合模型建模，得到干净客户端的局部特征分布； 将干净客户端和噪声客户端的局部特征分布上传至服务器，服务器将接收到的局部特征分布聚合为全局特征分布，并将所述全局特征分布分发给每个噪声客户端。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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”。

以上内容由龙图腾AI智能生成。