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！

龙图腾网获悉华南理工大学申请的专利基于设备训练时间公平的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：CN115713128B 。

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：202211422679.4，技术领域涉及：G06N20/00；该发明授权基于设备训练时间公平的联邦学习方法是由张幸林;刘建勋设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于设备训练时间公平的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设备训练时间公平的联邦学习方法，主要包括从长期视角保证训练时间公平的设备选择方法，以及配合设备选择方法的模型聚合方法。联邦服务器借助虚拟队列和预测的设备训练时间进行设备选择，选择设备参与每轮训练；被选中的设备从联邦服务器下载全局模型，在本地数据上训练，训练完成后将模型发回联邦服务器；联邦服务器接收到所有发回的模型后，利用模型聚合方法进行模型聚合；循环上述流程直至完成联邦学习任务。此外，借助训练时间公平性约束，本发明保证所有设备都能参与训练，同时防止训练时间过长。模型聚合方法配合设备选择方法，提高被选择次数少的设备在聚合时的权重，使得各个设备都能对模型做出贡献。

本发明授权基于设备训练时间公平的联邦学习方法在权利要求书中公布了：1.基于设备训练时间公平的联邦学习方法，其特征在于，包括以下步骤： 1系统初始化：联邦服务器确定联邦学习任务，生成全局模型和系统参数，注册所有的设备并通知其训练任务及系统参数； 2设备选择：联邦服务器根据设备选择方法选择部分设备参与训练，包括以下步骤： 2.1假设本轮为第t轮，对于所有的设备，联邦服务器根据更新设备i本轮的虚拟队列值，α是训练时间的公平性约束参数，具体是指分配给每个设备的每轮平均训练时间，根据计算设备i本轮的scorei值，其中，是联邦服务器预测的设备i当前训练时间，和分别是设备i的第t-1轮和第t轮虚拟队列值，scorei是联邦服务器评估设备i每轮是否被选择的指标； 2.2联邦服务器初始化一个空优先队列PQ，优先队列按照每个设备的score值从大到小排序，score是联邦服务器评估每个设备每轮是否被选择的指标，优先队列里的设备的最大训练时间记作优先队列里所有设备的score之和记作scorepq；目标是找到K′个设备使得它们的sum值最小，其中，sum根据来计算，β是设备选择方法中能够设置的一个参数； 2.3将所有设备按照预测训练时间从小到大排序； 2.4遍历排序后的设备，对于每个设备，详细处理过程如下：首先，保存PQ的副本为PQold，保存的副本为接着，将当前处理的设备i压入优先队列PQ，同时使用更新然后，判断优先队列PQ里的设备是否超过K′个，如果没有超过K′个则结束此次操作；如果超过K′个，则移除PQ的队首设备并计算当前的sum值记作sumtmp，接着判断移除的设备是否为当前设备i或sumtmp是否大于sum，如果是则说明该设备不适合被选择，使用副本PQold恢复PQ，使用副本恢复如果不是则不进行恢复操作；最后，使用sumtmp更新sum；按照上述详细处理过程直至遍历完全部设备； 2.5优先队列PQ里的所有设备即为本轮被选中的设备；本轮被选中的设备集合记作At，被选中的设备i的被选中参与训练的次数si加1； 3本地模型训练：被选中的设备从联邦服务器下载全局模型，然后在本地数据上训练全局模型，训练完成后将训练过的全局模型发送回联邦服务器； 4模型聚合：联邦服务器接收到所有被选中的设备发送回的全局模型后，根据模型聚合方法对这些全局模型进行聚合，得到新的全局模型； 5判断是否完成任务：联邦服务器判断是否完成本次联邦学习任务，如果未完成则返回步骤2继续进行任务，如果完成则结束本次联邦学习任务。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。