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！

龙图腾网获悉中南大学申请的专利一种高泛化性的个性化联邦学习实现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：CN115511109B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202211206093.4，技术领域涉及：G06N20/20；该发明授权一种高泛化性的个性化联邦学习实现方法是由王建新;刘渊;沈成超;盛韬;王殊;段桂华设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种高泛化性的个性化联邦学习实现方法在说明书摘要公布了：本发明公开了一种高泛化性的个性化联邦学习实现方法，包括，服务端随机初始化全局双分支模型并发送初始化参数至客户端；客户端初始化本地双分支模型并利用本地数据进行本地迭代训练得到更新的客户端本地模型；将更新后的客户端本地模型训练的统计参数和全局任务分支的模型参数上传至服务端；服务端聚合所有客户端的全局任务分支的模型参数并更新发送给多个客户端；客户端根据服务端更新的全局任务分支模型参数并结合本地迭代训练得到的个性化任务分支模型参数，构成更新的客户端本地双分支模型；客户端使用本地双分支模型基于本地数据迭代训练并循环参与联邦更新直至满足预设标准。可在保证个性化联邦学习有效性的同时提升模型的泛化性。

本发明授权一种高泛化性的个性化联邦学习实现方法在权利要求书中公布了：1.一种高泛化性的个性化联邦学习实现方法，其特征在于，包括， 步骤1：服务端随机初始化双分支结构的全局模型，将得到的初始化模型参数发送至多个选定的客户端；其中，全局模型包括全局任务子模型分支和个性化任务子模型分支； 步骤2：每个客户端利用服务端发送的初始化模型参数，初始化双分支结构的客户端本地模型，并利用本地图像数据进行第一轮本地迭代训练，得到更新后的客户端本地模型；将更新后的客户端本地模型的统计参数和全局任务子模型的模型参数上传至服务端； 步骤3：服务端将所有客户端的全局任务子模型的模型参数进行加权平均计算得到聚合后新的全局任务子模型的模型参数，并将更新后的模型参数发送给多个所选客户端； 步骤4：客户端利用服务端发送的全局任务子模型的模型参数，更新客户端本地模型中的全局任务子模型的模型参数，结合本轮联邦训练中迭代训练得到的客户端本地模型中的个性化任务子模型，得到更新的客户端本地模型，完成一轮联邦训练； 步骤5：客户端使用步骤4更新的客户端本地模型基于本地图像数据进行再一轮迭代训练，更新客户端本地模型参数，并将更新后的客户端本地模型的统计参数和全局任务子模型的模型参数上传至服务端，返回步骤3，循环更新客户端本地模型直至满足预设标准； 其中，服务端使用的全局模型和客服端使用的客户端本地模型结构相同，包括模型的特征提取层和相应的批归一化层；其中，特征提取层为任务共享层，批归一化层为任务特定层；任务特定层包括全局批归一化层和个性化批归一化层； 其中，所述客户端本地模型用于进行图像分类。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。