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针对流式数据的联邦类增量学习方法、系统、装置及介质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：CN116431679B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310210206.6，技术领域涉及：G06F16/2455；该发明授权针对流式数据的联邦类增量学习方法、系统、装置及介质是由杨磊;卢彦谚设计研发完成，并于2023-03-06向国家知识产权局提交的专利申请。

本针对流式数据的联邦类增量学习方法、系统、装置及介质在说明书摘要公布了：本发明公开了一种针对流式数据的联邦类增量学习方法、装置及介质，其中方法包括：服务器初始化全局特征提取器并下发给客户端；客户端收到包含新类的新数据以及全局特征提取器；根据融合比例融合全局特征提取器和本地特征提取器；将当前的新数据和保存的旧类代表性样本按到达时间划分成若干个元任务；利用增量元学习方法在新旧任务上进行训练，更新融合比例以及本地模型，全局特征提取器不更新；客户端将融合的特征提取器参数发送至服务器进行聚合，作为下一轮的全局特征提取器。本发明通过融合比例动态地提取全局特征提取器中对客户端有利的知识，防止异构数据对客户端本地模型的干扰，减轻灾难性遗忘问题，可广泛应用于人工智能技术领域。

本发明授权针对流式数据的联邦类增量学习方法、系统、装置及介质在权利要求书中公布了：1.一种针对流式数据的联邦类增量学习方法，其特征在于，包括以下步骤： 服务器初始化全局特征提取器并下发给客户端； 客户端收到包含新类的新数据以及全局特征提取器，并将接收到的信息保存在本地； 初始化融合比例，根据融合比例融合全局特征提取器和本地特征提取器； 将当前的新数据和保存的旧类代表性样本按到达时间划分成若干个元任务； 利用增量元学习方法在新旧任务上进行训练，更新融合比例以及本地模型，全局特征提取器不更新； 训练结束后，客户端将融合的特征提取器参数发送至服务器进行聚合，作为下一轮的全局特征提取器； 所述根据融合比例融合全局特征提取器和本地特征提取器，包括： 在第个增量轮次的开始，每个客户端接收到第轮服务器聚合后的全局特征提取器，全局特征提取器被保留在本地，并与本地特征提取器一起参与接下来的训练； 设置一个比例向量用于融合全局特征提取器和本地特征提取器；该比例向量为特征提取器的每一层维持一个融合权重，表示为，其中为特征提取器的层数； 融合的特征提取器定义如下： 其中，为全局特征提取器，为第轮得到的本地特征提取器； 所述利用增量元学习方法在新旧任务上进行训练，更新融合比例以及本地模型，包括： 基础模型初始化为当前的本地模型，每个元任务训练一个基础模型的副本，并获得一个任务特定的元模型； 在每个元任务的训练过程中都更新了整个分类器，得到一个可以区分所有已观测类的分类器；最后，元模型参数被求平均并与基础模型结合，得到一个新模型，该新模型将用作下一批次的基础模型。

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：510641 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。