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！

龙图腾网获悉山东科技大学申请的专利一种基于动态层级调控的个性化联邦学习方法、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：CN120235219B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510703003.X，技术领域涉及：G06N3/098；该发明授权一种基于动态层级调控的个性化联邦学习方法、系统是由赵慧奇;杨阔;范方;范培舜;钟祉晴;类砚语设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本一种基于动态层级调控的个性化联邦学习方法、系统在说明书摘要公布了：本发明属于机器学习技术领域，具体涉及一种基于动态层级调控的个性化联邦学习方法、系统，将服务器端接收的所有客户端的模型参数利用个性化率，进行动态划分，实现动态层级调控，有助于更为细致的调节模型的分割率，提高模型泛化能力；且针对联邦学习中新客户端的加入，本发明还对新客户端进行评估，根据预设最小个性化率、预设最大个性化率来选择迁移到新客户端模型的参数比例，以便于提高学习效率，使得新客户端快速拥有个性化联邦学习的能力。

本发明授权一种基于动态层级调控的个性化联邦学习方法、系统在权利要求书中公布了：1.一种基于动态层级调控的个性化联邦学习方法，其特征在于，包括： S1：初始化服务器端全局模型参数，将初始化的全局模型参数下发至多个客户端的本地模型，得到相应的本地模型； S2：使用每个客户端的本地数据训练相应的本地模型，更新本地模型参数； S3：更新的本地模型参数上传至服务器端后，经加权平均处理，得到聚合后的本地模型参数；根据预设最小个性化率、预设最大个性化率、总迭代轮次和当前轮次，由公式：，计算当前个性化率； 聚合后的本地模型参数利用当前个性化率进行划分，由公式：，得到当前全局模型参数，具体为： 获取服务器端的网络层数，当前个性化率与网络层数相乘，得到不下发层数，网络层数减去不下发层数后，得到下发层数，根据下发层数，从服务器端的网络层逆推相应层数得到的网络层，作为当前全局模型参数； S4：将S3中上传至服务器端的客户端中，最大的本地数据样本数量，记为目标数量；检测参与当前训练的客户端总数，若不存在新客户端，则执行S5，若存在新客户端，则将新客户端的本地数据样本数量，记为待检数量，比较待检数量与目标数量，如果待检数量不小于目标数量，则以利用预设最小个性化率进行划分得到的当前全局模型参数为新客户端的当前全局模型参数；如果待检数量小于目标数量，则以利用预设最大个性化率进行划分得到的当前全局模型参数为新客户端的当前全局模型参数； S5：将当前全局模型参数下发至当前训练的相应客户端的本地模型，返回执行S2，直至达到预设条件，得到个性化联邦学习模型，应用至医学影像诊断。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。