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！

龙图腾网获悉西安电子科技大学申请的专利数据训练的资源动态协同方法和系统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：CN115577805B 。

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：202211307447.4，技术领域涉及：G06N20/20；该发明授权数据训练的资源动态协同方法和系统是由周雨晨;陈健;贺冰涛;曹煜设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本数据训练的资源动态协同方法和系统在说明书摘要公布了：本发明公开了数据训练的资源动态协同方法和系统，所述方法用于处理工业数据，所述方法包括：获取工业数据样本，并根据所述工业数据样本的特征进行数据分流得到用户数据与环境数据，同时根据所述工业数据样本的特征选择联邦学习模式并初始化数据训练模型；对所述用户数据和所述环境数据进行训练直至全局模型达到收敛。本发明有效应对用户数据的高动态、个性化需求以及环境数据的海量、冗杂特性，通过网络资源的动态协同调度，联合满足工业学习终端数据传输以及训练效率等需求。

本发明授权数据训练的资源动态协同方法和系统在权利要求书中公布了：1.一种数据训练的资源动态协同方法，其特征在于，所述方法用于处理工业数据，所述方法包括： 获取工业数据样本，并根据所述工业数据样本的特征进行数据分流得到用户数据与环境数据，同时根据所述工业数据样本的特征选择联邦学习模式并初始化数据训练模型； 对所述用户数据和所述环境数据进行训练直至全局模型达到收敛； 其中，针对所述用户数据，量化数据质量并评估训练成本，根据每次训练迭代所需的性能指标要求协同调度网络资源，基于资源调度情况下发模型参数至各终端，接收各终端完成本地模型训练与更新后的反馈结果，根据所述反馈结果执行全局模型的聚合与更新，直至全局模型达到收敛； 针对所述环境数据，为各终端加载环境数据队列和训练模型队列，接收各终端训练模型队列输出的训练结果，根据所述训练结果执行全局模型的更新，直至全局模型达到收敛； 所述量化数据质量具体包括：定义数据质量函数，其中，表示学习终端提供的数据量，和为曲线拟合参数，并将所述数据质量函数更新为基于终端竞争意识的数据质量函数； 所述根据每次训练迭代所需的性能指标要求协同调度网络资源具体包括： 调度方案OP1定义为： 其中，表示学习终端集合，表示用户数据量，表示分配的频带宽度，表示本地缓存池的占用情况，向量s表示被选中的学习终端用户数据量的解集合，向量b表示被选中的学习终端分配频带宽度解集合，向量z表示被选中的学习终端本地缓存情况解集合； 效用函数定义为： 其中，，以代替，具体如下， 约束条件规定如下：C1限定了本次执行任务的学习终端是从终端集合中进行选择；C2限定了每个学习终端所提供的用户数据量水平等级，所提供数据量上界不超过下界不低于；C3限定了所有学习终端提供的用户数据量下界；C4限定了每一个调用的学习终端所提供的数据质量是超过门限的，数据质量门限值为；C5对每个学习终端所分配的频带量等级进行了限定，所提供频带量上界不超过下界不低于；C6规定网络当前时刻所能提供给学习终端用于上传训练结果的频带是有限的，总频带量为；C7限定对于每个调用的学习终端，在优化得到的频带分配值下，所使用的传输功率不可超过上界；C8对缓存量水平等级进行了限定，在每一次训练结束之后，所缓存的内容包括训练数据集、训练结果集和训练模型参数集，缓存情况取决于数据未来被调用的概率； 所述为各终端加载环境数据队列和训练模型队列具体包括： 每个学习终端处的环境数据以等数据块的形式进行分割，每个数据块尺寸为bits，在第个时刻，假设学习终端处有个数据块抵达，那么此时学习终端处新增的环境数据队列长度为，环境数据队列为 ， 其中，表示时刻离开该队列的环境数据量； 每个学习终端训练得到的模型参数同样以等数据块的形式进行分割，每个数据块尺寸为bits，在第个时刻，假设学习终端处有个新生成的数据块，那么此时学习终端处新增的训练模型队列长度为，训练模型队列为： ， 其中，表示时刻离开该队列的训练数据量； 各终端时刻学习终端的环境数据处理量为，其中，表示表示时隙长度，表示时刻学习终端调用的计算频率，表示学习终端的计算灵敏度； 时刻学习终端的训练时延取决于其队列长度； 对应能量消耗为，其中，为常数，表示功率系数； 所述接收各终端训练模型队列输出的训练结果，根据所述训练结果执行全局模型的更新，直至全局模型达到收敛具体包括： 时刻学习终端在资源块上的传输速率为，其中，表示资源块的频带宽度，为中央服务器接收学习终端的训练模型参数时的信干噪比； 时刻学习终端的总上传数据量为，其中，表示可为学习终端提供的频带资源块集合，表示频带分配因子，代表对于时刻，频带资源块被分配给了学习终端，反之则； 对应能量消耗为，其中，为学习终端的传输功率； 所述方法依照OP2资源调度方案实时调配网络资源： ， 表示环境数据到达率，表示训练模型生成率，表示计算资源分配量，表示频带资源分配量， 最小化长期能耗为目标效用函数为，其中，表示训练时间长度； 约束条件规定如下：C1限定了每时刻每学习终端产生的环境数据块个数和训练数据块个数，最大不超过个；C2限定了每时刻每学习终端调用的计算速率的上下界即和；C3限定了频带资源块分配因子为0-1变量；C4和C5则要求同一时刻每个频带资源块最多被分配至一个学习终端，且网络所能提供的总频带资源块数为；C6对每个时刻学习终端的上传速率下限即进行了限定；C7和C8是环境数据队列和训练模型队列可容忍的最大时延约束，和分别为环境数据队列和训练模型队列可容忍的最大时延约束。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。