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！

龙图腾网获悉中国科学院信息工程研究所申请的专利一种基于构建客户端间协作图的个性化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：CN119067199B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202411005467.5，技术领域涉及：G06N3/098；该发明授权一种基于构建客户端间协作图的个性化联邦学习训练方法是由陈小军;刘泽瑶;赵振东;王哲;陈旭东;赵鑫;玄悦欣;唐必胜;姬小双设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本一种基于构建客户端间协作图的个性化联邦学习训练方法在说明书摘要公布了：本发明公开了一种基于构建客户端间协作图的个性化联邦学习训练方法，属于联邦学习技术领域。本发明的核心步骤包括：1基于KL散度计算客户端之间的特征分布距离，2基于计算的邻接矩阵归一化后构建有向协作图，3基于有向图的聚合带有结构信息的模型，4本地优化。本发明主要涉及数据分布异质面临的挑战，特别涉及客户端数据分布之间的潜在关系建模，实现了通过构建客户端协作图和提出协作图辅助的个性化聚合与训练方法，缓解了数据异质等挑战，促进了个性化联邦学习中的知识共享。

本发明授权一种基于构建客户端间协作图的个性化联邦学习训练方法在权利要求书中公布了：1.一种基于构建客户端间协作图的个性化联邦学习训练方法，其步骤包括： 1在每一客户端上分别部署一个初始相同的共享模型；将每个客户端的共享模型分为特征提取器和分类器；每一所述客户端将本地训练数据输入到特征提取器得到特征表示并发送给分类器；同时客户端计算得到数据特征分布的均值μ和方差σ2，并将其发送给服务器端； 2对于任意两客户端i、客户端j，所述服务器端根据客户端数据特征分布的与客户端j数据特征分布的计算得到客户端i、客户端j之间特征分布的KL散度Dij；其中，为客户端i的本地训练数据对应的特征分布的均值和方差，为客户端j的本地训练数据对应的特征分布的均值和方差； 3所述服务器端根据各客户端之间特征分布的KL散度构建矩阵D；其中，所述矩阵D中第i行第j列的元素Dij为KL散度Dij；然后对所述矩阵D的每一行的元素进行归一化，所得的归一化矩阵作为邻接矩阵，基于所述邻接矩阵构建一个有向协作图；其中，每个客户端对应于所述有向协作图中的一个节点，根据所述邻接矩阵中两节点之间的归一化值确定对应两节点之间的边的权重； 4所述服务器端根据所述有向协作图得到每个客户端i与所有节点的边的权重；对于每个客户端i，所述服务器端根据该客户端i对应的权重对该客户端i的邻接客户端的共享模型进行加权求和，得到该客户端i的聚合模型并将其发送给该客户端i；i＝1～K， K为客户端总数； 5客户端i使用本地训练数据集对所述聚合模型进行训练，并计算损失函数然后根据损失函数值利用随机梯度下降方法更新本地的共享模型；其中，Fi是经验损失函数、θi为客户端i上的共享模型的模型参数， θi′为客户端i的聚合模型的模型参数，λ为比例系数，θK为客户端K上的共享模型的模型参数； 6客户端i利用训练更新后的共享模型对本地训练数据进行处理，得到数据的特征分布的均值μ和方差σ2并将其与更新后的共享模型参数发送给服务器端； 7重复步骤2～6，直到每个客户端达到预定的迭代次数或者所述共享模型收敛。

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中国科学院信息工程研究所，其通讯地址为：100085 北京市海淀区树村路19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。