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！

龙图腾网获悉西北工业大学申请的专利一种基于公平性特征表示的联邦学习异构模型聚合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：CN116362328B 。

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：202310418128.9，技术领域涉及：G06N3/098；该发明授权一种基于公平性特征表示的联邦学习异构模型聚合方法是由张萌;张盛兵;杨佳莹;杨钊设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本一种基于公平性特征表示的联邦学习异构模型聚合方法在说明书摘要公布了：本发明提供了一种基于公平性特征表示的联邦学习异构模型聚合方法，属于机器学习技术领域，方法主要包括：特征匹配度度量；通信参数动态选择；异构模型聚合。本发明量化了由于异构数据和异构计算资源带来的不同训练过程导致的特征不配，公平性的上传不同特征表示的局部参数，并利用具有动态匹配特征的模型聚合方法，极大地减少了不同设备之间无序提取特征的影响，避免了协同聚合的全局模型过拟合。

本发明授权一种基于公平性特征表示的联邦学习异构模型聚合方法在权利要求书中公布了：1.一种基于公平性特征表示的联邦学习异构模型聚合方法，其特征在于，包括以下步骤： 中央服务器初始化各客户端上传的全局模型的参数，量化全局模型的特征表示，并将所述参数及特征表示下发给各客户端；具体步骤如下： 中央服务器使用全局模型每一层的滤波器作为量化特征表示的基本结构，将全局模型第i层中的每一个滤波器视作欧几里得空间中的点，计算第i层的几何中心GM，作为该层的特征表示；中央服务器计算完全局模型每一层的几何中心后，将计算结果下发给每一个客户端； 各客户端利用本地收集的异质性数据对接收到的参数及特征表示进行训练，获得训练后的局部模型；所述异质性数据指的是不同客户端收集的不具备独立同分布性质、处在不同位置、面对不同任务的数据； 各客户端对比局部模型和全局模型的特征表示，确定特征匹配度；具体步骤如下： 客户端将全局模型第i层的几何中心与第k个客户端的局部模型的第i层的第j个滤波器做比较，计算二者的相似性；基于几何中心进行相似度评估：在每一次上传局部模型参数前，循环计算局部模型中的每一层的滤波器和全局模型同一层的几何中心相似度； 客户端利用局部模型的每一个滤波器与全局模型的特征表示的匹配度对每一层的滤波器进行聚类，获得滤波器候选集；具体步骤如下： 设定n个距离阈值范围τ；将相似性在阈值τ内的滤波器分为一组，认为同一组中的滤波器具有更多相似的特征表示，客户端记录每一个滤波器所在组别；分别在每个组中选择相同比例的滤波器，利用公平性选择出具有不同特征表示的滤波器，作为滤波器候选集Fk； 客户端评估每一组滤波器候选集的通信开销，并将通信开销上传至中央服务器； 客户端基于特征匹配度来确定特征表示的类别，在不同的类别中选择相同比例的滤波器，并依据异构的网络环境动态地选择通信参数； 中央服务器依据特征表示的类别，聚合具有相同或者相似特征表示的通信参数，进行异构模型聚合。

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西北工业大学，其通讯地址为：710129 陕西省西安市长安区东大镇东祥路1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。