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！

龙图腾网获悉哈尔滨工程大学申请的专利一种面向物联网设备异质性的联邦学习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：CN115496224B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202211153768.3，技术领域涉及：G06N20/00；该发明授权一种面向物联网设备异质性的联邦学习优化方法是由吕继光;杨武;苘大鹏;王巍;玄世昌;唐昊;边颖超设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本一种面向物联网设备异质性的联邦学习优化方法在说明书摘要公布了：本发明公开了一种面向物联网设备异质性的联邦学习优化方法，所述方法包括如下步骤：步骤一、联邦学习参与设备数据增强方法设计；步骤二、联邦学习参与者选择方法设计；步骤三、联邦学习参与设备异质性优化方法设计。本发明在不侵犯用户隐私的前提下，收集部分用户数据以及用户模型训练相关信息。利用收集的信息，增强设备数据使其符合独立同分布，缓解数据异质性带来的影响。同时，这部分信息还被用于筛选每轮训练的参与者，加快了每轮训练的完成时间，有效缓解了数据异质性带来的影响。通过上述两种优化，提高了联邦学习联合建模的效率和精度。

本发明授权一种面向物联网设备异质性的联邦学习优化方法在权利要求书中公布了：1.一种面向物联网设备异质性的联邦学习优化方法，其特征在于所述方法包括如下步骤： 步骤一、联邦学习参与设备数据增强方法设计 步骤一一、随机初始化阈值的初始值，如果边缘设备本地的某一类标签类别的数据量与本地标签类别最多的数据量的比值低于该始化阈值，按照该初始阈值对本地数据进行数据增强； 步骤一二、使用步骤一一增强后的数据进行本地训练，将训练后的模型参数和动量参数上传到中介，中介根据收到的参数聚合一个全局模型和新的动量； 步骤一三、服务器根据聚合的全局模型的性能对阈值进行重新计算，将生成的全局模型、动量和计算出的新的阈值发送给客户端，阈值计算公式如下： 其中，是阈值，代表在第轮训练时损失函数的值，表示第轮与下一轮损失函数的变化值，是一个超参数； 为了在更快的时间内收敛，用动量梯度下降算法代替传统的梯度下降算法，动量梯度下降法通过结合之前的历史梯度对当前的梯度进行修正，使用动量梯度下降法的更新公式如下： 其中，是边缘设备的动量参数，为动量系数，是参与设备的损失函数，表示第个参与设备在第次训练时的模型参数，是学习率； 步骤一四、重复步骤一三，直至到达终止机制的条件； 步骤二、联邦学习参与者选择方法设计 步骤二一、将边缘设备的统计效用与系统效用相关联，制定出边缘设备的用户效用： ； 其中，边缘设备的本地训练样本数据集合为，是样本数据的训练损失；统计效用为，用来表征在保护用户隐私的前提下能够有效捕获边缘设备的数据价值；代表系统效用，是联邦学习中参与者完成模型更新和上传的用时；权重分散度为，是边缘设备在第轮时的模型参数，是在第轮使用公共数据集进行训练得到的模型参数，用来表示边缘设备数据的不平衡程度； 步骤二二、按照边缘设备的用户效用值从大到小的顺序对边缘设备进行排序，选取边缘设备集合中前个参与者进行训练，其中是探索因子，是参与者集合大小； 步骤三、联邦学习参与设备异质性优化方法设计 步骤三一、通过联邦学习参与设备数据增强方法对参与设备的本地数据进行增强； 步骤三二、根据步骤三一增强后的数据计算每个参与者的用户效用，并根据效用值选择参与者参与训练； 步骤三三、根据步骤三二的参与者计算全局模型并更新用户效用值； 步骤三四、重复步骤三二和步骤三三，直至达到设置的训练轮次，训练结束。

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哈尔滨工程大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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。