Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国矿业大学代伟获国家专利权

中国矿业大学代伟获国家专利权

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!

龙图腾网获悉中国矿业大学申请的专利一种面向多工况的自组织多教师个性化联邦学习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:CN119539126B

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:202411693045.1,技术领域涉及:G06N20/00;该发明授权一种面向多工况的自组织多教师个性化联邦学习方法是由代伟;崔腾;张焕煜;建中华;李杰龙设计研发完成,并于2024-11-25向国家知识产权局提交的专利申请。

一种面向多工况的自组织多教师个性化联邦学习方法在说明书摘要公布了:本发明公开了一种面向多工况的自组织多教师个性化联邦学习方法,包括:中央服务器获取企业客户端的节点信息;中央服务器基于多教师模型生成机制对企业客户端的节点信息进行分析,并为企业客户端生成对应的教师模型;中央服务器对教师模型建立的结果进行评估,并根据评估结果对教师模型的教师协作关系进行优化;企业客户端基于本地数据,通过共识整合教师模型知识,建立私有模型,并通过私有模型获取当前误差,以及对当前误差进行评估;在当前误差小于预设误差阈值的情况下,输出私有模型。本发明的方法能够提升多工况场景下私有模型的准确性,并能够降低分布差异对随机配置网络监督条件难以满足的影响,提升模型收敛速度。

本发明授权一种面向多工况的自组织多教师个性化联邦学习方法在权利要求书中公布了:1.一种面向多工况的自组织多教师个性化联邦学习方法,其特征在于,所述方法包括以下步骤: S10:中央服务器获取企业客户端的节点信息,所述节点信息由生成模型根据本地过程数据构建; S20:所述中央服务器基于多教师模型生成机制对企业客户端的节点信息进行分析,自组织生成所述企业客户端对应的教师协作关系,并为所述企业客户端生成对应的教师模型;其中,步骤S20包括: S21:所述中央服务器使用学习自动机集合建立多教师模型,每个所述企业客户端被配置一个学习自动机,所述中央服务器记录每个所述学习自动机参与构建教师模型的概率; S22:每个所述企业客户端采用质量优先策略生成对应教师模型的节点,并当节点满足组内所有所述企业客户端的约束时,将对应的节点作为最优节点; S23:每个所述企业客户端采用全局更新的方式计算本地输出权值,每个所述企业客户端根据本地输出权值对对应的教师模型进行组内的横向加强聚合; S30:所述中央服务器对所述教师模型建立的结果进行评估,并根据评估结果对所述教师模型的教师协作关系进行优化,并将优化后的教师模型传递给对应的企业客户端;其中,步骤S30包括: S31:所述中央服务器根据所述企业客户端的输出权值分析分布结果,建立基于余弦相似度输出所述企业客户端的信息相似度矩阵,并基于所述相似度矩阵判断企业客户端之间的可合作性矩阵; S32:基于所述可合作性矩阵确定奖惩信号,并根据所述奖惩信号确定强化信号类型,以及更新合作关系概率分布; S33:在当前学习自动机集合不存在惩罚记录的时刻,将该时刻对应的教师模型返回给所述企业客户端,以帮助所述企业客户端建立对应的私有模型; S40:所述企业客户端基于本地数据,通过共识整合教师模型知识,建立私有模型,并通过所述私有模型获取当前误差,以及对所述当前误差进行评估; S50:在所述当前误差小于预设误差阈值的情况下,输出所述私有模型。

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中国矿业大学,其通讯地址为:221000 江苏省徐州市铜山区大学路1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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。