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！

龙图腾网获悉香港中文大学(深圳)申请的专利一种基于重要性采样的异构联邦模型调节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：CN120725101B 。

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：202511141673.3，技术领域涉及：G06N3/098；该发明授权一种基于重要性采样的异构联邦模型调节方法是由王方鑫;王贤达;崔曙光设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本一种基于重要性采样的异构联邦模型调节方法在说明书摘要公布了：本发明涉及一种基于重要性采样的异构联邦模型调节方法，属于计算模型领域，方法包括：S1、通过相似感知层分析对层的重要性进行量化分析，对中心服务器的每一层进行分析，得到重要性得分，从而得到针对层的重要性分布；S2、基于S1得到的层级重要性分布进行概率采样，生成适用于异构客户端的子模型提取二进制掩码，以提升模型结构与资源条件的匹配度；S3、每个客户端通过二进制掩码提取子模型并完成本地部署；S4、引入TSDL和SDL进行本地训练，并将lora参数上传并聚合；S5、重复S2‑S4的步骤，直至收敛。本发明引入TSDL可以缓解局部聚合带来的聚合不均的问题；引入SDL可以缓解数据异质性的问题。

本发明授权一种基于重要性采样的异构联邦模型调节方法在权利要求书中公布了：1.一种基于重要性采样的异构联邦模型调节方法，其特征在于：所述方法包括： S1、通过相似感知层分析对层的重要性进行量化分析，对中心服务器的每一层进行分析，得到重要性得分，从而得到针对层的重要性分布； S2、基于S1得到的层级重要性分布进行概率采样，生成适用于异构客户端的子模型提取二进制掩码，以提升模型结构与资源条件的匹配度； S3、每个客户端通过二进制掩码提取子模型并完成本地部署； S4、引入TSDL和SDL进行本地训练，并将lora参数上传并聚合； S5、重复S2-S4的步骤，直至收敛； 所述S1的步骤具体包括： S101、对全局模型的进行重排列，去掉首尾两层，将需要分析的第l层提前，得到，比较与原模型的输出差异，从而得到第l层的重要性得分，表示原始模型参数，表示重排后的模型参数； S102、用CKAZ，Zl作为第l层的重要性得分，将所有层的重要性得分分数记为，得到在子模型提取时采样的概率分布为，其中，表示温度，L为总的层数； 所述得到第l层的重要性得分包括： 给定一个输入批次，则输出分别为，，其中，表示输入，表示X经过原始模型后，在最后一层前的中间表示，表示X经过重排的模型后，在最后一层前的中间表示； 通过CKA基于独立性准则HSIC计算第l层的重要性得分为，表示和之间的独立性，表示和之间的独立性，表示和之间的独立性； 所述联邦模型的处理对象为图像数据。

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香港中文大学(深圳)，其通讯地址为：518172 广东省深圳市龙岗区龙城街道龙翔大道2001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。