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！

龙图腾网获悉北京理工大学申请的专利一种面向智能交通中边缘端图像识别的分布式学习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：CN115719090B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211441906.8，技术领域涉及：G06N3/084；该发明授权一种面向智能交通中边缘端图像识别的分布式学习方法是由赵健鑫;刘驰;常欣煜;冯雁浩设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本一种面向智能交通中边缘端图像识别的分布式学习方法在说明书摘要公布了：本发明公开了一面向智能交通中边缘端图像识别的分布式学习方法，包括如下步骤：步骤1：服务器选择智能交通应用场景下的分布式学习任务和深度学习模型：步骤2：服务器进行模型预处理：步骤3：服务器开始第t轮分布式模型训练过程，步骤5：服务器基于边缘设备选择策略，步骤6：根据已有训练中的信息反馈，边缘端计算自身效用值δkk，发送至服务器：步骤7：重复步骤3至步骤8，直到模型参数收敛。本发明的优点是实现了细控制粒度、高性能的图像识别模型联合训练；根据模型训练效果调整边缘端选择频率能够减少参与者的数量，降低了能源成本，通过动态调整选择频率，在保持准确性的同时减少了边缘端的参与，有效提高了系统的鲁棒性。

本发明授权一种面向智能交通中边缘端图像识别的分布式学习方法在权利要求书中公布了：1.一种面向智能交通中边缘端图像识别的分布式学习方法，其特征在于，包括以下步骤： 步骤1：服务器选择智能交通应用场景下的分布式学习任务和深度学习模型； 步骤2：服务器进行模型预处理，划分给参与的边缘端： 步骤2.1：应用常量折叠、计算融合的技术，服务器优化深度模型计算图结构； 步骤2.2：服务器根据计算图中各个节点所属的层数，将每L层节点划分为一个子图，层数的定义为在计算图中的根节点为第零层，所有根节点的子节点为第一层，依此类推，L的值根据不同的模型大小由服务器调整，参数设定为L＝2； 步骤3：服务器开始第tt＝1,2...,E轮分布式模型训练过程，t的初始值为1： 步骤4：参与学习的边缘设备进行logK轮本地分布式模型训练： 步骤4.1：每一个边缘设备进行前向传播计算； 步骤4.2：设定当前轮次为h，边缘设备编号为k，则判断是否k≥2h，当是，则找出编号为k-2h-1的边缘的设备，分别用集合A和B表示两个设备所包含的计算图子图中的节点集合； 步骤4.3：针对A和B中的计算图节点，基于本地数据Dk，计算：{bj为ai父节点}，完成本地的反向传播，得到每个节点i的梯度g； 步骤4.4：边缘端k使用梯度下降算法更新分布式模型在第t轮的本地权重如以下公式所示： 其中，η为梯度下降算法的学习速率参数； 步骤5：服务器基于边缘设备选择策略，决定是否在当前轮次重新选择参与分布式学习的边缘设备，采取根据使用基于数据集属性和动态环境而设置固定的选择频率p，即：每隔p轮次，重新选择一次边缘设备； 当不重新选择边缘端，则重复执行步骤3至步骤4；当重新选择边缘端则执行步骤6； 步骤6：根据已有训练中的信息反馈，边缘端计算自身效用值δk，发送至服务器； 步骤7：重复步骤3至步骤6，直到模型参数收敛。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。