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分布式深度学习模型更新方法及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：CN116306913B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310129775.8，技术领域涉及：G06N3/098；该发明授权一种分布式深度学习模型更新方法及装置是由张冬雨;贾德成;林倞;文英鹏设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本一种分布式深度学习模型更新方法及装置在说明书摘要公布了：本发明公开一种分布式深度学习模型更新方法及装置，通过获取分布式深度学习模型的真实梯度值，根据所述真实梯度值及公式进行计算得到预测梯度值，利用所述预测梯度值更新所述分布式深度学习模型的模型参数。本发明通过预测梯度值实现对分布式深度学习模型的模型参数的更新，减少了模型不断迭代的训练时间，且通过预测梯度值的训练结果与标准同步的随机梯度下降SGD相当，进一步的提高了模型训练的效率及弱可拓展性。

本发明授权一种分布式深度学习模型更新方法及装置在权利要求书中公布了：1.一种分布式深度学习模型更新方法，其特征在于，包括： 获取分布式深度学习模型的真实梯度值gt； 根据所述真实梯度值gt及如下公式计算得到预测梯度值 Dt＝1-βtDt-1+βtgt-1 其中，Dt表示第t次迭代的平滑梯度指数，βt表示第一惩罚系数，Dt-1表示第t-1次迭代的平滑梯度指数，gt-1表示第t-1次迭代的真实梯度值，vt表示第t次迭代的平滑梯度指数Dt与真实梯度值gt之间的预测误差，α表示第二惩罚系数，表示第t-1次迭代中真实梯度值与预测梯度值之间的误差，表示第t次迭代的预测梯度值； 利用所述预测梯度值更新所述分布式深度学习模型的模型参数； 在得到所述预测梯度值之前，还包括： 利用如下公式计算得到所述第一惩罚系数βt： et-1＝gt-1-Dt-1 其中，et-1表示第t-1次迭代的平滑梯度指数Dt-1与真实梯度值gt-1之间的真实误差，et-2表示第t-2次迭代的平滑梯度指数Dt-2与真实梯度值gt-2之间的真实误差，βt表示第t次迭代的第一惩罚系数，βt-1表示第t-1次迭代的第一惩罚系数，k表示超参数； 分布式深度学习模型更新方法的应用方法，包括： 获取交通目标的训练样本集；所述交通目标包括行人、车辆和交通灯； 将所述训练样本集输入到预先选择并构建好的分布式深度学习模型中进行模型训练，在训练过程的采用分布式深度学习模型更新方法； 通过训练好的分布式深度学习模型进行交通目标的识别。

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：510275 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”。