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！

龙图腾网获悉中国人民大学申请的专利一种个性化贝叶斯联邦学习模型构建方法及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：CN120235269B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510269468.9，技术领域涉及：G06N20/00；该发明授权一种个性化贝叶斯联邦学习模型构建方法及系统是由孙怡帆;魏婷;周峰;李晓冬;胡朝君;梅彪;李尔博;秦棋设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本一种个性化贝叶斯联邦学习模型构建方法及系统在说明书摘要公布了：本发明属于联邦学习技术领域，公开了一种个性化贝叶斯联邦学习模型构建方法，本发明方法主要包含两个关键模块：在客户端层面，采用基于粒子的变分推断，借助Stein变分梯度下降SVGD对局部后验粒子进行更新，实现非参数化的后验表示，以此灵活捕捉本地数据特征；在服务器层面，引入基于粒子的Wasserstein重心聚合方法，根据客户端上传的局部后验粒子更新全局先验，使全局聚合更具几何意义。理论上，证明了该方法在局部和全局的收敛性，为算法的有效性提供了坚实保障。实验方面，通过在多个真实数据集上与多种基线方法对比，结果表明FedWBA在预测准确性、不确定性校准以及收敛速率上均表现卓越，且在少样本场景下优势明显，模型准确性波动较小。

本发明授权一种个性化贝叶斯联邦学习模型构建方法及系统在权利要求书中公布了：1.一种个性化贝叶斯联邦学习模型构建方法，其特征在于，包括： a客户端局部推理模块，该模块采用基于粒子的变分推断方法，通过Stein变分梯度下降SVGD算法更新局部后验粒子，更新步骤包括： i初始化一组粒子以近似后验分布； ii客户端从服务器接收全局先验粒子，然后借助核密度估计KDE方法重建先验分布； iii在每次迭代中，对于每个粒子，先计算该粒子的更新量，所述更新量以文本描述为：先算出当前粒子的对数未归一化后验分布梯度，接着用核函数得出它与其他粒子的相似度，将梯度乘上由相似度确定的权重，再加上核函数针对粒子位置的梯度，最终得到综合更新量； iv将所述更新量乘以一个足够小的步长后，加至粒子当前位置以获得新的粒子位置，从而使得所述粒子集合逐步逼近真实后验分布； v客户端将经过迭代更新且已收敛或达到预设迭代次数后的局部粒子上传到服务器； b服务器全局先验聚合模块，该模块采用基于粒子的Wasserstein重心聚合方法，对来自各客户端上传的局部后验粒子进行聚合以更新全局先验，所述聚合方法以文本描述为：首先接收各客户端的局部后验粒子，然后构造一个目标聚合分布，该分布通过求解使各局部分布与聚合分布在Wasserstein距离意义下加权距离最小的优化问题得到，并将该聚合分布以粒子形式表示，最后将聚合后的全局先验粒子分发回各客户端。

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人民大学，其通讯地址为：100872 北京市海淀区中关村大街59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”。