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！

龙图腾网获悉吉林大学申请的专利一种基于异步联邦学习和DDQN的表面材质分类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：CN116630775B 。

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：202310597443.2，技术领域涉及：G06V10/82；该发明授权一种基于异步联邦学习和DDQN的表面材质分类方法是由刘国红;王浩明;杨丽晶;张利平;何金其设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种基于异步联邦学习和DDQN的表面材质分类方法在说明书摘要公布了：本发明适用于遥操作领域，提供了一种基于异步联邦学习和DDQN的表面材质分类方法，建立全局DDQN模型并初始化模型参数，并行地开启客户端调度和模型参数聚合进程，随机选择客户端触发训练并发送全局模型参数和通信轮次，对视触数据处理，构建DDQN环境，计算时间差分误差，更新模型参数，将参数传递到服务端，服务端利用聚合算法进行全局参数更新，再次选择进行训练的客户端，完成通信，并对复杂场景设计调度聚合算法。本发明在本地数据的大小和多样性方面均存在较大差异的情况下，也能让每个用户也都能训练出代表整个数据源的DDQN模型；用服务端和客户端通信时仅传输模型参数，不仅显著减少了通信数据量，而且保证了每个客户端的数据安全。

本发明授权一种基于异步联邦学习和DDQN的表面材质分类方法在权利要求书中公布了：1.一种基于异步联邦学习和DDQN的表面材质分类方法，其特征在于，包括以下步骤： 步骤一、服务端建立全局DDQN模型并初始化模型参数，并行地开启客户端调度和模 型参数聚合进程； 步骤二、服务端在客户端调度进程中随机选择部分客户端触发训练，并发送全局模型 参数和通信轮次到客户端； 步骤三、客户端利用ResNet50对视触数据处理，构建DDQN环境，设置状态、动作和奖励函数； 步骤四、计算时间差分误差，通过随机梯度下降更新模型参数；客户端通过随机梯度下降更新参数的具体途径是： 客户端根据接收模型参数，进行次客户端本地梯度下降，即； 则目标网络与评估网络分别为； 计算一个时间差TD目标： 利用TD目标信息，评价网络建立损失函数： 其中从经验池中随机抽取，利用这个损失函数，更新评价网络的参数： 其中，为学习率； 至此完成模型的一次随机梯度下降更新，在经历次梯度下降后，同步网络参数到目标 网络 步骤五、客户端经过次参数更新，将参数传递到服务端，服务端在参数聚合进程中 利用聚合算法进行全局参数更新； 步骤六、服务端再次选择进行训练的客户端，完成一次通信，并对通信不畅，数据分布不均匀的复杂场景设计调度聚合算法；服务端再次选择客户端的具体途径是： 参数聚合后服务器获取新的全局参数，检测队列中的数量，当二元组的 数量少于特定常值时，服务器再次根据调度算法进行调度，将全局模型参数传递到客户 端，触发相应客户端进行训练，采取新的调度算法： 其中，为客户端被选取概率，在个别客户端通信不畅的情况下，调整该客户端在参 数聚合中的权重； 采取新聚合算法，应对客户端本地数据分配不均匀： 新聚合算法以拥有材质样本数量最多的客户端为基准，各客户端拥有材质种类数量比 上基准客户端材质种类数量定义为该客户端不均匀率，对进行映射，得到聚合权重系 数： 则有新的参数聚合公式： 当本地数据分布不均匀时，采用上述参数聚合公式，在多次通信后，得到了对表面材质实现分类的健壮的分类器。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。