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！

龙图腾网获悉河北工业大学申请的专利基于稀疏扰动联邦学习的车路协同异构场景数据优化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：CN119830129B 。

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：202411887984.X，技术领域涉及：G06F18/2415；该发明授权基于稀疏扰动联邦学习的车路协同异构场景数据优化方法是由牛炳鑫;苗瑞恒;余珂欣;杨亮;贾永娜;马子艺;汪梦竹设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于稀疏扰动联邦学习的车路协同异构场景数据优化方法在说明书摘要公布了：本发明公开了基于稀疏扰动联邦学习的车路协同异构场景数据优化方法，包括以下步骤：中央服务器初始化联邦学习设置；中央服务器随机选取一组边缘节点作为本轮训练参与方，并向这些边缘节点发送当前的全局模型；参与本轮训练的边缘节点使用自身训练数据进行模型训练，期间对模型参数进行稀疏扰动实现轻量级的锐度感知最小化，并通过参数修正更新下次迭代的本地模型；将各边缘节点训练好的本地模型参数上传到中央服务器；中央服务器聚合收到的模型参数，生成新的全局模型并下发，直至完成所有轮次的训练。本发明可以在车路协同数据异构场景下提高全局模型平坦性，增强模型的泛化能力和鲁棒性，并有效控制因采用锐度感知最小化而导致的计算成本增加。

本发明授权基于稀疏扰动联邦学习的车路协同异构场景数据优化方法在权利要求书中公布了：1.一种基于稀疏扰动联邦学习的车路协同异构场景数据优化方法，其特征在于，包括： S1，中央服务器初始化联邦学习参数，准备开始进行联邦学习训练； S2，中央服务器随机选取一组边缘节点作为本轮训练参与方，并向这些边缘节点发送当前的全局模型； S3，参与本轮训练的边缘节点使用自身数据以当前的全局模型作为本地模型进行模型训练，通过动态稀疏率对模型参数进行稀疏化的锐度感知最小化，提高计算效率； 所述稀疏率的表达式为：αr＝maxα0·e-λr，αmin 其中，αr是第r轮通信轮次的稀疏率，用来生成掩码；α0是初始稀疏率，λ是衰减率，αmin是最小稀疏率，在训练过程中，动态调整稀疏率αr优化模型性能；根据当前稀疏率αr生成掩码： 其中，ml是二元掩码m的第l个元素；nl表示边缘节点i在第r轮通信中第k次迭代后的本地模型参数的每一个参数位置l生成的O～1的随机数； 通过计算添加了扰动之后的模型参数 其中，为边缘节点i在第r轮通信中第k次迭代后的梯度；ρ为扰动率； 然后根据添加了扰动之后的模型参数进一步计算添加了稀疏扰动后的梯度以添加了稀疏扰动后的梯度来进行下次迭代的本地模型更新； 每个边缘节点执行K次本地训练，对于本地迭代次数k＝0，...K-1； S4，将步骤S3中各边缘节点训练好的本地模型参数上传到中央服务器； S5，中央服务器聚合收到的模型参数，生成新的全局模型，开启下一轮训练直至完成所有训练轮次。

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河北工业大学，其通讯地址为：300401 天津市北辰区西平道5340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。