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！

龙图腾网获悉上海交通大学申请的专利一种基于自适应本地聚合的个性化联邦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：CN115481755B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211253769.5，技术领域涉及：G06N20/00；该发明授权一种基于自适应本地聚合的个性化联邦学习方法是由马汝辉;张剑清;褚学森;宋涛;管海兵设计研发完成，并于2022-10-13向国家知识产权局提交的专利申请。

本一种基于自适应本地聚合的个性化联邦学习方法在说明书摘要公布了：本发明公开了一种基于自适应本地聚合的个性化联邦学习方法，涉及联邦学习技术领域，包括以下步骤：服务器发送全局模型Θ0到所有客户机中，初始化各个客户机的本地模型；客户机i执行第t轮迭代训练，执行自适应本地聚合，得到初始化本地模型；根据t值判断是否需要进行自适应本地聚合权重训练，以得到新的自适应本地聚合权重并更新初始化本地模型；采用梯度下降方式更新本地模型，并发送到服务器；服务器对接收到的本地模型执行全局聚合生成全局模型Θt。本发明能够捕获全局模型中提升本地模型质量的信息，促进本地模型训练，能够应用于现有的其他联邦学习方法，实现全局模型中信息的精准提取，并利用提取到的信息提升模型在各个客户机上的个性化表现。

本发明授权一种基于自适应本地聚合的个性化联邦学习方法在权利要求书中公布了：1.一种基于自适应本地聚合的个性化联邦学习方法，其特征在于，所述方法包括以下步骤： 步骤1、服务器发送初始的全局模型到所有客户机中，初始化各个客户机的本地模型，客户机初始化自适应本地聚合权重；其中，i为客户机编号，t为当前个性化联邦学习的轮数； 定义全局目标函数为： 一般地，，，； 式中，为本地目标函数；为损失函数；为第i个客户机上的数据集；为第i个客户机上的数据集的大小；为全局模型；为第i个客户机上的初始化本地模型； 由于全局目标函数的可加性，分别求： 来实现对的求解； 步骤2、客户机i执行第t轮迭代训练，根据服务器发送的全局模型执行自适应本地聚合，得到本次迭代的初始化本地模型；每轮个性化联邦学习中服务器根据客户机的参与率ρ，随机选择N个客户机中的一个子集It发送全局模型； 根据以下公式执行自适应本地聚合： 其中，为自适应本地聚合权重，p表示只应用本地聚合在本地模型的倒数第p层上；为第i个客户机上的本地模型；与中的前层网络层具有同样的形状，与中的后p层网络层具有同样的形状，表示用中中的参数覆盖中相应层的参数，实现对中低层网络层参数的本地初始化； 步骤3、根据t值判断是否需要进行自适应本地聚合权重训练，以得到新的自适应本地聚合权重；若得到新的自适应本地聚合权重，则执行自适应本地聚合更新初始化本地模型； 步骤4、客户机i采用梯度下降方式更新本地模型，并将本地模型发送到服务器； 步骤5、服务器对接收到的本地模型执行全局聚合生成全局模型； 步骤6、重复步骤2至步骤5，执行T轮迭代训练，直到各个客户机的本地模型训练收敛；其中，t[0,T]。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。