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！

龙图腾网获悉华南理工大学申请的专利一种基于双动态原型的模型异构联邦学习方法及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：CN121257782B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511802401.3，技术领域涉及：G06N20/00；该发明授权一种基于双动态原型的模型异构联邦学习方法及系统是由刘旭彬;田翔;郭锴凌;徐向民设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本一种基于双动态原型的模型异构联邦学习方法及系统在说明书摘要公布了：本发明公开一种应用于图像分类任务的基于双动态原型的模型异构联邦学习方法及系统，涉及分布式机器学习技术领域，针对现有技术中存在稳定性缺陷等问题提出本方案。模型异构联邦学习系统初始化；中央服务器向参与训练的客户端分发最新全局原型；客户端接收全局原型后与本地原型融合以生成融合原型；客户端第一阶段优化图像特征提取器；客户端第二阶段优化本地原型；客户端计算一致性分数并将其同本地原型和类别上传至服务器；服务器采用基于类别频次倒数的加权采样策略采样数据以优化全局原型；重复执行直至所述模型异构联邦学习系统达到预设的通信轮次或模型性能收敛。优点在于，不牺牲通信高效优势的前提下，提升图像分类任务性能和稳定性。

本发明授权一种基于双动态原型的模型异构联邦学习方法及系统在权利要求书中公布了：1.一种基于双动态原型的模型异构联邦学习方法，应用于图像分类任务，其特征在于，包括以下步骤： S100.模型异构联邦学习系统初始化； S200.中央服务器向参与训练的客户端分发最新全局原型； S300.参与第轮训练的客户端接收全局原型后与本地原型融合以生成融合原型； S400.参与第轮训练的客户端执行第一阶段本地训练；在此阶段，冻结融合原型，通过最小化融合原型-图像特征对比损失，以优化图像特征提取器的参数； S500.参与第轮训练的客户端执行第二阶段本地训练；在此阶段，冻结上一阶段优化后的图像特征提取器的参数，通过最小化本地原型-图像特征对比损失，以优化本地原型，得到新一轮的本地原型； S600:参与第轮训练的客户端对第二阶段本地训练后的本地原型与融合原型计算一致性分数，并将本地原型、类别和一致性分数上传至中央服务器； S700.中央服务器收集来自各客户端的本地原型、类别和一致性分数，采用基于类别频次倒数的加权采样策略，将本地原型采样为训练数据，通过最小化全局原型类间分离损失和本地原型-全局原型一致性加权对比损失，以更新全局原型，得到新一轮的全局原型； S800.重复执行步骤S200至步骤S700，直至所述模型异构联邦学习系统达到预设的通信轮次或模型性能收敛。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。