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！

龙图腾网获悉南京理工大学申请的专利一种基于模型剪枝和传输压缩优化的联邦学习系统及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：CN115564062B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211173605.1，技术领域涉及：G06N20/20；该发明授权一种基于模型剪枝和传输压缩优化的联邦学习系统及方法是由李骏;孙海洋;韦康;夏鹏程设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种基于模型剪枝和传输压缩优化的联邦学习系统及方法在说明书摘要公布了：本发明公开了一种基于模型剪枝和传输压缩联合优化的联邦学习系统及方法，该系统包括服务器端和多个客户端；方法为：首先客户端清洗数据并归一化成结构化的数据；然后服务器端将原始全局模型修剪成为稀疏全局模型，并下发至客户端；客户端用本地数据集计算稀疏全局模型权重，并对稀疏全局模型权重数据进行压缩后上传至服务器端；服务器端使用稀疏全局模型权重数据更新稀疏全局模型，然后再下发至客户端进行本地训练；重复进行稀疏全局模型和稀疏全局模型权重数据更新，直至稀疏全局模型收敛，使用最终数据训练原始全局模型，得到根据每个客户端的数据训练出的最终全局预测模型。本发明降低了客户端训练模型的复杂程度，降低了通信成本。

本发明授权一种基于模型剪枝和传输压缩优化的联邦学习系统及方法在权利要求书中公布了：1.一种基于模型剪枝和传输压缩优化的联邦学习方法，其特征在于，包括以下步骤： 步骤1、客户端清洗数据并归一化成结构化的数据； 步骤2、服务器端对原始全局模型进行修剪，得到一个稀疏全局模型； 步骤3、服务器端将稀疏全局模型下发至客户端； 步骤4、客户端接收到稀疏全局模型后，用本地数据集运行优化方法，进行若干次本地迭代后，获得本地更新的稀疏全局模型权重，应用传输量化和传输稀疏化对稀疏全局模型权重数据进行压缩后上传至服务器端； 所述的传输量化，是对稀疏全局模型所有层和所有通道的未修剪权重进行非均匀量化，所有待上传参数在同一轮通信时共享一个共同的量化策略和量化的赋值； 将作为簇集，作为参数落在中的量化值，表示为： 其中，表示量化策略，表示第i个用户第t轮通信选择-1的量化策略的一个簇； 选择值和簇集，构造以下优化问题： 其中，压缩值使用32位浮点数，表示第i个用户第t轮通信的簇集，表示落在簇中的量化值，是传输容量约束，由量化策略数量和原始模型大小控制，这个优化是一个混合整数非线性规划问题，通过以下算法实现次优解： 其中，表示最优解，表示第i个用户第t轮通信落在中的量化值； 步骤5、服务器端对接收到的稀疏全局模型权重数据进行压缩和聚合，更新稀疏全局模型，然后再下发至客户端进行本地训练； 步骤6、重复步骤4和步骤5直至稀疏全局模型收敛，使用最终数据训练原始全局模型，得到根据每个客户端的数据训练出的最终全局预测模型。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。