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！

龙图腾网获悉电子科技大学申请的专利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：CN115099424B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202210799970.7，技术领域涉及：G06N20/20；该发明授权联邦学习方法是由常征;胡涛设计研发完成，并于2022-07-06向国家知识产权局提交的专利申请。

本联邦学习方法在说明书摘要公布了：本发明公开了一种联邦学习方法。为解决联邦学习中通信资源消耗大的技术问题，本发明通过在用户设备有着不同计算能力、不同本地数据、不同通信质量的情况下能在每一轮训练中找到一个最优设备集参与本轮训练，解决了传统联邦学习中的高通信消耗问题，本发明以损失轻微模型精度为代价，更加高效、快速的完成联邦学习训练。本发明适于人工智能领域。

本发明授权联邦学习方法在权利要求书中公布了：1.一种联邦学习方法，应用于包括若干本地设备和中心服务器所组成的系统中，其特征在于，该联邦学习方法包括如下步骤： 步骤1:本地设备将自身的数据量大小、计算能力和信道质量上传给中心服务器； 步骤2:中心服务器初始化全局模型参数； 步骤3:中心服务器选取参与本轮训练的最优设备集；中心服务器根据时间窗口与通信带宽资源总和，运用最优设备集选择算法，满足MAX（）最大化的目标，选取参与本轮训练的最优设备集；其中第t轮中，本地设备i的贡献因子具体为：，其中，用来均衡数据量与计算能力对于贡献因子的作用，N为本地设备总数量，，代表在第本轮是否被选中进入最优设备集；为本地设备计算能力，为本地设备的数据量大小； 步骤4:中心服务器将全局模型参数下发给所有参与本轮训练的最优设备集中的本地设备； 步骤5:所有参与本轮训练的最优设备集中的设备使用本地数据训练； 步骤6:所有参与本轮训练的最优设备集中的设备，通过结构化更新压缩算法进行压缩，通过生成随机种子，并利用伪随机生成算法，每一轮重新生成种子，本地设备通过随机梯度下降方法，计算得到差值参数矩阵，将本地模型参数压缩后并上传至中心服务器；中心服务器将所有接收到的模型参数进行平均化聚合，即将所有设备上传的更新参数进行平均，作为下一轮次的全局模型参数； 步骤7:判断全局模型是否达到收敛，若是则结束学习；若否则重复步骤3-6。

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电子科技大学，其通讯地址为：610000 四川省成都市高新区（西区）西源大道2006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”。