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！

龙图腾网获悉广东工业大学申请的专利一种基于联邦学习的渔业智能监测分析与动态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：CN120409625B 。

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：202510512706.4，技术领域涉及：G06N3/098；该发明授权一种基于联邦学习的渔业智能监测分析与动态优化方法是由黄春光;王卓薇;高楠钧;林子琪;余凯宏;黎钊;刘毅铮设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于联邦学习的渔业智能监测分析与动态优化方法在说明书摘要公布了：本发明涉及渔业人工智能和联邦学习的技术领域，更具体地，涉及一种基于联邦学习的渔业智能监测分析与动态优化方法。S1.各渔业参与方初始化；S2.本地对比学习；S3.梯度压缩；S4.中央服务器处理；S5.个性化联邦学习；S6.迭代优化。本发明采用保护数据隐私的前提下提升分布式训练的表征学习能力的联邦对比学习方法解决基于联邦学习的渔业人工智能存在的准确性差的问题，采用减少通信负载和提升鲁棒性的联邦梯度压缩方法解决基于联邦学习的渔业人工智能实时性差问题，采用平衡全局模型的一致性与本地数据的个性化适配的个性化联邦学习方法解决基于联邦学习的渔业人工智能的模型更新困难问题。

本发明授权一种基于联邦学习的渔业智能监测分析与动态优化方法在权利要求书中公布了：1.一种基于联邦学习的渔业智能监测分析与动态优化方法，其特征在于，包括以下步骤： S1.各渔业参与方初始化；各参与方根据各自的数据特征初始化本地模型；参与方包括监测站点、养殖场、科研机构； S2.本地对比学习；监测站点收集本地数据，通过数据增强或采样策略生成正样本对和负样本对；使用轻量级神经网络对样本进行特征编码；这些网络能够将输入数据映射到高维特征空间，捕捉数据的内在特征； 监测站点使用CNN来提取水流速度数据的空间和时间特征； 采用InfoNCELoss信息噪声对比估计损失来最大化正样本对的相似性，最小化负样本对的相似性；公式如下： ， 表示第i个样本的对比损失；是为了将相似度的比值转换为一个可优化的损失值形式；d·,·是相似度函数；和分别是模型对查询样本和正样本提取的特征表示；k是负样本数量，表示模型对第j个负样本提取的特征表示，计算的是查询样本特征与第j个负样本特征之间的相似度； 通过梯度下降算法更新本地模型参数； 监测站点使用Adam优化器来更新CNN的权重； S3.梯度压缩；各参与方对本地梯度进行量化处理，设定8位精度，将浮点型梯度值映射到有限的离散值集合中；对量化后的梯度进行差分编码，计算相邻梯度值的差值并进行编码传输，以减少数据传输量；将压缩编码后的梯度通过加密通道上传到中央服务器； S4.中央服务器处理；中央服务器接收到压缩梯度后，进行解码操作，还原出量化后的梯度值，然后进行解量化，将离散值转换回浮点数；中央服务器对解码和解量化后的梯度进行全局聚合，采用加权平均方式进行，根据各参与方的数据量和需求确定权重；根据聚合后的梯度更新全局模型参数，并加密下发给各参与方； S5.个性化联邦学习；模型更新，各参与方接收到全局模型参数后，根据其个性化需求进行模型更新； 大型养殖场：根据其数据量大、关注鱼类生长预测的特点，使用自适应学习率算法进行模型更新； 小型家庭养殖场：根据其数据量小、关注养殖成本控制的特点，使用Adagrad优化算法进行模型更新； 渔业科研机构：根据其深入研究鱼类生长机制的需求，使用贝叶斯优化算法进行模型更新； S6.迭代优化；在每一轮训练结束后，对模型进行评估，以确定是否达到预定的性能指标；评估在验证集上进行，使用多种指标来衡量模型的性能。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路100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。