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！

龙图腾网获悉河海大学;华能澜沧江水电股份有限公司申请的专利面向无人巡检设备的联邦动态聚合优化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：CN119580213B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411675418.2，技术领域涉及：G06V20/56；该发明授权面向无人巡检设备的联邦动态聚合优化方法及系统是由张本腾;郑浩天;张鹏;毛莺池;聂兵兵;许皓文;戚荣志;徐小坤;王彦芳;彭欣欣;张家恺;魏子钧;刘军显;李玲;孔明;郭彪;刘锦;赵家尧;王贵华;王龙;王英洁;段永杰;沈凤群;李清梦设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本面向无人巡检设备的联邦动态聚合优化方法及系统在说明书摘要公布了：本发明公开一种面向无人巡检设备的联邦动态聚合优化方法及系统，构建基于联邦学习的模型训练优化方法。基于模型在巡检设备上的输出的Logits，动态地计算模型在该设备上的一致性，云服务器根据计算得到的模型一致性为每一台巡检设备分配不同的全局聚合权重；云服务器在完成全局聚合后会平均集成最新的历史全局模型参数作为下一轮联邦训练的全局集成参数并下发给参与训练的巡检设备。本发明计算巡检设备的模型一致性并为其分配不同的聚合权重，可以有效防止由本地模型更新偏差导致全局模型的更新偏离最优方向，在加速全局模型收敛速度的同时提高全局模型准确率。

本发明授权面向无人巡检设备的联邦动态聚合优化方法及系统在权利要求书中公布了：1.一种面向无人巡检设备的联邦动态聚合优化方法，其特征在于，包括以下步骤： 步骤1在第t轮联邦训练中，云服务器在全部巡检设备中随机选择K个设备参与当前轮次的轮联邦训练，云服务器将全局集成参数下发至参与联邦训练的K个设备，被选中的K个设备在接收到云服务器发送的全局集成参数后，开始执行步骤2至4； 步骤2构建基于模型输出的一致性动态计算方法：第k个设备使用本地数据集Dk迭代e次来更新本地模型参数后，根据第k个设备上模型输出的Logits，动态地计算模型一致性系数第k个设备将计算后的模型一致性系数和更新后的本地模型参数上传至云服务器； 步骤3构建基于模型一致性的联邦加权聚合方法：云服务器基于第k个设备上传的模型一致性系数计算第k个设备的聚合权重并根据该权重聚合全部设备上传的本地模型参数得到第t轮联邦训练的全局模型参数wt； 步骤4构建基于历史模型集成的全局模型纠偏方法：云服务器通过设置一个滑动窗口平均集成M个最新的历史全局模型参数wt，wt-1，wt-2，...，wt-M+1得到集成后的全局集成参数云服务器将当作在第t+1轮联邦训练的全局集成参数下发给被随机选择K个设备；在模型训练的每一个回合按序执行步骤1至4，直到全局模型收敛且达到预期性能要求； 所述步骤2构建基于模型输出的一致性动态计算方法中，设总共有T轮联邦训练，参与训练的巡检设备数量为K，每台设备ck具有本地数据集Dk，数据集包含C类样本，其中样本表示为样本的对应标签为y，则在第t轮联邦训练中设备ck的本地模型更新目标如下所示： 其中，是复合损失函数，第t轮联邦训练中设备ck的本地模型参数在本地数据集Dk上执行小批量随机梯度下降步骤，设备ck本地模型更新如下所示： 其中，η表示学习率，表示从数据集Dk上随机抽取的第b个小批量数据，B表示小批量数据的总个数，r表示本地更新迭代总次数，f·表示随机梯度下降函数，表示设备ck在r次本地更新迭代后得到的本地模型参数；设表示设备ck在本地模型参数下对样本x的向量输出，则的计算如下所示： 其中，zi，k表示设备ck在第i类样本上的Logits输出；通过softmax函数获得分类概率向量p，如下所示： p＝[p1,k,p2,k,…,pi,k，…,pC,k] 其中，pi，k表示设备ck在第i类样本上的分类概率；设Fkw是设备本地训练损失函数，则Fkw的计算如下所示： 其中，w表示全局模型参数，hk表示本地模型学习到的知识；为了防止设备本地模型更新偏离最优方向，在本地训练损失函数Fkw中添加一个约束项μ，如下所示： 将设备ck上本地模型输出Logits向量的方差作为一致性系数来衡量本地模型的一致性，如下所示： 其中，Var·表示样本x在C分类任务中的本地模型输出Logits向量的方差，设备ck将更新后的本地模型参数和模型一致性系数上传至云服务器进行全局聚合。

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河海大学;华能澜沧江水电股份有限公司，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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。