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！

龙图腾网获悉天津大学申请的专利用于分布式机器学习的基于特征原型的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：CN114861936B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210502976.3，技术领域涉及：G06N20/00；该发明授权用于分布式机器学习的基于特征原型的联邦增量学习方法是由张浩东;杨柳;刘冠中;刘畅设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本用于分布式机器学习的基于特征原型的联邦增量学习方法在说明书摘要公布了：本发明公开了一种基于特征原型的联邦增量学习方法：联邦服务器制定任务计划，根据任务要求选择联邦增量学习的参与者；联邦服务器将任务计划及全局特征原型发送给选择出的联邦参与者；各联邦参与者接收到联邦服务器发送的训练计划及全局特征原型，利用本地数据进行增量学习，分别生成各类别本地特征原型；各联邦参与者上传本地特征原型至联邦服务器；联邦服务器通过原型聚合的方式生成服务器端的全局特征原型；以上为单次联邦增量学习迭代过程，联邦服务器循环执行上述过程，迭代更新全局特征原型。本发明通过共享特征原型的方式，解决了联邦增量学习问题中的模型异构问题，减少了通信开销，提升了学习效率，并加强了对联邦参与者的隐私保护。

本发明授权用于分布式机器学习的基于特征原型的联邦增量学习方法在权利要求书中公布了：1.一种用于分布式机器学习的基于特征原型的联邦增量学习方法，其特征在于，包括以下步骤： 步骤S100：联邦服务器制定任务计划，并根据参与者的数据、计算资源、网络通信资源、行为记录选择联邦增量学习的参与者； 步骤S200：联邦服务器向选择出的联邦增量学习参与者发送任务计划及全局特征原型；所述任务计划包括本地学习涉及的数据的类别、本地参数的训练更新次数、向服务器发送本地特征原型的截止时间，所述全局特征原型为通过神经网络特征提取器生成的表示各类别数据特征分布的特征向量； 步骤S300：各联邦参与者接收到任务计划后，构建包含旧任务数据和当前任务数据的训练数据集，设置本地增量学习超参数并调整分类器结构，利用本地数据和全局特征原型，通过包含分类损失项、蒸馏损失项和原型损失项的三重损失函数更新本地模型参数，并生成各类别的本地特征原型； 步骤S400：各联邦参与者将本地特征原型上传至联邦服务器，所述本地特征原型具有统一的特征维度； 步骤S500：联邦服务器在接收到各联邦参与者上传的本地特征原型后，通过原型聚合的方式生成新的全局特征原型； 以上步骤为单次联邦增量学习迭代的过程，联邦服务器循环执行步骤S100至步骤S500，将最新聚合的全局特征原型分发给下一循环中选择出的各联邦参与者，迭代更新全局特征原型。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。