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！

龙图腾网获悉中国科学技术大学苏州高等研究院申请的专利基于模型剪枝和拓扑构造的去中心化机器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：CN115766465B 。

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：202211412314.3，技术领域涉及：H04L41/12；该发明授权基于模型剪枝和拓扑构造的去中心化机器学习方法是由徐宏力;姜志达;许杨设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本基于模型剪枝和拓扑构造的去中心化机器学习方法在说明书摘要公布了：本发明公开了一种基于模型剪枝和拓扑构造的去中心化机器学习方法，在每一训练回合中，该方法包括：协作器根据各个节点的状态信息得到网络拓扑和各个节点的剪枝比并发送给各个节点；每个节点根据收到的剪枝比对本地模型执行结构化模型剪枝，并利用本地数据集训练剪枝后的子模型，更新对应的模型参数；每个节点根据网络拓扑与对应的邻居节点进行通信并复原模型结构，对复原后的模型执行参数聚合得到最新的本地模型，然后开启下一个训练回合。本发明通过利用模型剪枝和拓扑构造的联合优化充分解决资源有限、系统异构、网络动态、non‑IID数据的关键挑战，从而在边缘计算环境下加速去中心化机器学习的训练进程。

本发明授权基于模型剪枝和拓扑构造的去中心化机器学习方法在权利要求书中公布了：1.一种基于模型剪枝和拓扑构造的去中心化机器学习方法，其特征在于，在每一训练回合中，包括： S1、协作器根据各个节点的状态信息解决优化问题得到网络拓扑和各个节点的剪枝比并发送给各个节点； 形式化优化问题的时间资源约束：模型训练的总时间不能超过时间预算；网络拓扑约束：每一回合的网络拓扑应该构成一个连通图；剪枝比约束：每个节点的剪枝比范围应该满足大于等于0且小于1；联合优化问题的目标是最小化模型训练的收敛界； 在确定各个节点的剪枝比时，通过固定网络拓扑，考虑时间资源约束和剪枝比范围约束，通过线性规划最优地求解各个节点的剪枝比； 在确定网络拓扑构造时，通过固定各个节点的剪枝比，计算每条通信链路的共识速度，将共识速度低于一定阈值的链路从全连接拓扑中移除，更新网络拓扑； S2、每个节点根据收到的剪枝比对本地模型执行结构化模型剪枝，并利用本地数据集训练剪枝后的子模型，更新对应的模型参数； S3、每个节点根据网络拓扑与对应的邻居节点进行通信并复原模型结构，对复原后的模型执行参数聚合得到最新的本地模型，然后开启下一个训练回合。

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国科学技术大学苏州高等研究院，其通讯地址为：215123 江苏省苏州市苏州工业园区独墅湖高教区仁爱路166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”。