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！

龙图腾网获悉深圳大学申请的专利用于数据统计异构的分布信息共享联邦学习方法、装置、电子设备及存储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：CN116415633B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310238907.0，技术领域涉及：G06N3/0475；该发明授权用于数据统计异构的分布信息共享联邦学习方法、装置、电子设备及存储介质是由黄建军;赵雷阳设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本用于数据统计异构的分布信息共享联邦学习方法、装置、电子设备及存储介质在说明书摘要公布了：本发明适用于联邦学习技术领域，提供了一种用于数据统计异构的分布信息共享联邦学习方法，所述方法包括：客户端以联邦学习的方式学习一个特定的生成模型；通过所述生成模型将客户端本地的原始数据映射到一个低维的隐空间中，使用UT变换重采样得到隐空间数据；重采样的数据在隐空间的分布信息被估计并在客户端之间共享；在各个所述客户端的本地利用接收到的其他所述客户端共享的分布信息增扩数据，以减少训练数据集的统计异构程度；所有客户端利用扩增后的训练数据集以联邦学习方式训练出目标任务模型。本发明提供的方法，显著提升了现有的联邦学习方法在统计异构条件下的性能。

本发明授权用于数据统计异构的分布信息共享联邦学习方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种用于数据统计异构的分布信息共享联邦学习方法，其特征在于，所述方法包括： 客户端以联邦学习的方式学习一个特定的生成模型； 通过所述生成模型将客户端本地的原始数据映射到一个低维的隐空间中，使用UT变换重采样得到隐空间数据； 重采样的数据在隐空间的分布信息被估计并在客户端之间共享； 在各个所述客户端的本地利用接收到的其他所述客户端共享的分布信息增扩数据，以减少训练数据集的统计异构程度； 所有客户利用扩增后的训练数据集以联邦学习方式训练出目标任务模型； 所述通过所述生成模型将客户端本地的原始数据映射到一个低维的隐空间中，使用UT变换重采样得到隐空间数据，所述方法还包括： 令客户端的原始图像数据集表示为，对于中的每幅图像，根据VAE编码器的特性，可以将原始数据的每个样本编码成一个均值向量和协方差矩阵： 其中是一个d维向量,是一个d×d的矩阵； 利用点采样方法对隐空间进行重参数化，生成一组个点为： 其中是均方根的第n列，被用来调整生成的隐变量的具体位置；隐空间数据集表示为： 其被用来根据选定的分布模型估计； 其中，为假设一个客户端的隐空间的分布，是d维的隐空间随机向量，是分布参数。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区南海大道3688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。