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一种通信高效的异构联邦学习训练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：CN119940479B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202510009813.5，技术领域涉及：G06N3/098；该发明授权一种通信高效的异构联邦学习训练方法是由马卓然;熊文强;马建峰;刘洋;张俊伟;马鑫迪设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本一种通信高效的异构联邦学习训练方法在说明书摘要公布了：本发明公开了一种通信高效的异构联邦学习训练方法，应用于一个服务端和多个客户端构成的系统，一方面，本发明在本地模型训练时，客户端本地优化并上传一个二进制掩码，从而大幅降低了联邦学习的通信成本，同时解决了低端设备难以参与复杂联邦学习模型训练的问题；另一方面，本发明利用客户端上传的二进制掩码能够很好的反应数据分布的特征，无需额外信息即可对数据异构的客户端进行聚类，让具有不同数据分布的客户端拥有不同的模型，提高了异构场景下的模型推理性能。利用本发明方法得到本地模型可用于完成预设图像检测任务。

本发明授权一种通信高效的异构联邦学习训练方法在权利要求书中公布了：1.一种通信高效的异构联邦学习训练方法，其特征在于，应用于一个服务端和多个客户端构成的系统，所述方法包括： S100，所述服务端生成神经网络模型的初始模型权重w0和初始权重分数sg,0，通过与客户端通信，使各客户端获得所述初始模型权重w0从而初始化本地模型；所述服务端利用所述初始权重分数sg,0计算初始概率掩码θg,0，发送至所有客户端； S200，在第t轮全局训练迭代时，所述服务端选择Kt个客户端参与联邦学习模型训练； S300，每一个被选择的客户端k基于本地数据集进行E轮本地模型训练，更新优化本地的权重分数sk,t，并上传二进制掩码mk,t至所述服务端；其中，所述本地数据集包括若干图像； S400，所述服务端对所有客户端上传的二进制掩码进行聚类，并为相应的二进制掩码分配簇ID以实现客户端的簇ID分配； S500，所述服务端对聚类后每一个簇的二进制掩码进行分组聚合，获得簇内概率掩码和第t轮全局训练迭代的全局概率掩码θg,t； S600，所述服务端通知客户端对分配的簇ID进行一致性检查； S700，所述服务端将簇内概率掩码发送给对应簇内的客户端，将全局概率掩码发送给未分配簇ID的客户端，使得客户端恢复出概率掩码进行本地训练至模型收敛； S800，各客户端根据簇内概率掩码获得二进制掩码，利用获得的二进制掩码和所述初始模型权重w0，得到最终的子网络模型，从而得到训练完成的本地模型；所述本地模型用于完成预设图像检测任务。

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。