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！

龙图腾网获悉福州大学申请的专利异步联邦学习中基于张量块分解的多模态融合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：CN116910692B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202310908348.X，技术领域涉及：G06F18/25；该发明授权异步联邦学习中基于张量块分解的多模态融合方法是由郑海峰;高敏;冯心欣;杜孟轩设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本异步联邦学习中基于张量块分解的多模态融合方法在说明书摘要公布了：本发明提出异步联邦学习中基于张量块分解的多模态融合方法，包括以下步骤；步骤S1、在云端设计基于张量块分解的多线性融合模型；步骤S2、设计基于张量块分解模型的自适应损失策略；步骤S3、设计自适应选择策略，包括张量块选择和模态选择；步骤S4、设计自适应聚合策略；步骤S5、在云端初始化多线性融合模型并下发至参与训练的边缘节点；步骤S6、参与训练的边缘节点对多模态融合模型进行学习，得到具有本地特征的本地模型；步骤S7、筛选要进行传输的层，上传本地模型；步骤S8、在云端通过步骤S4设计的聚合策略对本地模型聚合；本发明实现了对多源异构信息的自适应融合，具有快速收敛、数据传输量少等优点，同时也增强了基于类别和模态的泛化能力。

本发明授权异步联邦学习中基于张量块分解的多模态融合方法在权利要求书中公布了：1.异步联邦学习中基于张量块分解的多模态融合方法，其特征在于：包括以下步骤；步骤S1、在通信链路的云端设备设计并布署基于张量块分解的多线性融合模型；步骤S2、设计基于张量块分解模型的自适应损失策略；步骤S3、设计基于张量块分解模型的自适应选择策略，包括张量块选择和模态选择；步骤S4、设计基于异步联邦学习的自适应聚合策略；步骤S5、在云端初始化基于张量块分解的多线性融合模型并下发至参与训练的边缘节点；步骤S6、参与训练的通信链路的边缘节点利用本地数据集，并根据步骤S2设计的自适应损失策略对步骤S1设计的多模态融合模型进行学习，得到具有本地特征的本地模型；步骤S7、根据步骤S3设计的自适应选择策略，筛选模型中要进行传输的层，上传本地模型；步骤S8、在云端通过步骤S4设计的聚合策略对收到的本地模型进行聚合；所述步骤S2的具体实现过程如下：步骤S21、为防止学习到的源分布无法泛化到目标分布造成的过拟合，在多模态模型中，模态m和融合模态间的拟合程度为： 融合模态的泛化程度为： 则每个模态的拟合泛化率为： 其中Sm,SF为边缘设备利用本地数据集进行训练后，模态m和多模态的训练精度，则为未训练的精度；步骤S22、对各个模态的拟合泛化率进行归一化处理，并将归一化的结果作为每个模态损失的权重，则训练的损失为： 其中，LF,Lm分别为多模态和模态m的损失，Mi为边缘设备i上的模态类别；本步骤中，局部优化的目标是减少源分布与目标分布之间的距离，以及减少单模态的过拟合，增加多模态的泛化；所述步骤S1中，构造基于张量块分解的多模态多线性融合模型，包括特征提取模块特征融合模块和特征预测模块所述步骤S4的具体实现过程包括：步骤S41、计算接收到的本地模型与当前最新的全局模型聚合时的权重α；步骤S42、逐层更新全局模型

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。