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！

龙图腾网获悉中山大学申请的专利一种基于动量的层次化折衷模型联邦学习方法和装置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：CN120046754B 。

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：202510060304.5，技术领域涉及：G06N20/00；该发明授权一种基于动量的层次化折衷模型联邦学习方法和装置是由黄业坤;陈林设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于动量的层次化折衷模型联邦学习方法和装置在说明书摘要公布了：本发明公开一种基于动量的层次化折衷模型联邦学习方法，包括如下步骤：根据对应边缘节点下发的组模型和全局模型，在本地设备中更新本地动量、组动量和全局动量，对应得到第一本地动量、第一组动量和第一全局动量，并根据所述第一本地动量训练本地模型；根据所述第一组动量和所述第一全局动量，在所述边缘节点中聚合得到第二组动量和第二全局动量，并根据所述第二组动量训练组模型，根据所述第二全局动量，在所述中心服务器中聚合得到第三全局动量，根据所述第三全局动量训练全局模型，直至确定最新一轮迭代得到的全局模型收敛后，结束迭代。本发明能够提高联邦学习方法的学习效率。

本发明授权一种基于动量的层次化折衷模型联邦学习方法和装置在权利要求书中公布了：1.一种基于动量的层次化折衷模型联邦学习方法，其特征在于，包括如下步骤： 根据对应边缘节点下发的组模型和全局模型，在本地设备中更新本地动量、组动量和全局动量，对应得到第一本地动量、第一组动量和第一全局动量，并根据所述第一本地动量训练本地模型；其中，一个所述边缘节点对应若干个所述本地设备； 根据所述第一组动量和所述第一全局动量，在所述边缘节点中聚合得到第二组动量和第二全局动量，并根据所述第二组动量训练组模型，随后将训练好的组模型和对应中心服务器下发的全局模型下发至所述边缘节点对应的若干个所述本地设备中；其中，一个所述中心服务器对应若干个所述边缘节点；所述根据所述第二组动量训练组模型，具体包括： 根据所述第二组动量，通过动量梯度下降法更新所述组模型； 根据对应中心服务器下发的全局模型对更新后的组模型进行修正，得到训练好的所述组模型，具体包括： 计算所述更新后的组模型与所述对应中心服务器下发的全局模型之间的第二平方范数； 将所述第二平方范数作为修正项，对所述更新后的组模型进行修正；其中，所述修正的公式具体为： 其中，为第个迭代轮次中所述更新后的组模型，为第个迭代轮次中对应中心服务器下发的全局模型，为所述第二组动量，为预设修正系数，为所述第二平方范数； 根据所述第二全局动量，在所述中心服务器中聚合得到第三全局动量，根据所述第三全局动量训练全局模型，并在将训练好的全局模型下发至所述中心服务器对应的若干个所述边缘节点后，开始下一轮迭代，直至确定最新一轮迭代得到的全局模型收敛后，结束迭代。

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山大学，其通讯地址为：510315 广东省广州市海珠区新港西路135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。