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！

龙图腾网获悉北京邮电大学申请的专利一种狭义异步个性化联邦学习自适应聚合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：CN115796274B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202211654182.5，技术领域涉及：G06N3/098；该发明授权一种狭义异步个性化联邦学习自适应聚合方法是由时岩;刘予佳;陈山枝;葛雨明设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本一种狭义异步个性化联邦学习自适应聚合方法在说明书摘要公布了：本发明公开了一种狭义异步个性化联邦学习自适应聚合方法，属于车联网领域；首先，对于某时刻新进入RSU服务范围内的车辆客户端，从联邦服务器处下载当前模型作为本地模型，使用本地数据集进行训练后上传至服务器；服务器计算欧几里得距离表示模型间差异性；然后，使用模型间差异性、全局模型精确度和模型损失来表示当前状态，通过A2C算法自适应得到应该采取的动作，即为聚合权重。并使用该权重进行全局聚合得到新的全局模型，根据模型精度的提升与模型损失的衰减计算执行本次动作得到的奖励，量化本次动作结果的优劣。通过A2C的价值网络进行学习，直至所有车辆客户端完成个性化联邦学习过程。本发明能快速实现全局模型的收敛，精确度高。

本发明授权一种狭义异步个性化联邦学习自适应聚合方法在权利要求书中公布了：1.一种狭义异步个性化联邦学习自适应聚合方法，其特征在于，具体步骤如下： 步骤一、针对某路侧单元RSU，t时刻新进入该RSU服务范围内的车辆客户端，从该RSU处的联邦服务器处下载当前全局模型，作为各车辆客户端的本地模型； 步骤二、针对车辆m的客户端使用本地数据集对本地模型进行本地训练，并将训练后的本地模型上传至RSU的联邦服务器； 表示该车辆m本地训练和模型上传的时间开销； 步骤三、联邦服务器对收到的本地模型计算其与当前全局模型间的欧几里得距离，表示模型间的特征差异性； 车辆m的本地模型与全局模型欧几里得距离，计算公式为： 表示联邦服务器s上的聚合前的全局模型； 步骤四、联邦服务器使用模型间的特征差异性全局模型的精度和损失来表示当前状态通过A2C算法自适应得到应该采取的动作，即为聚合权重 步骤五、联邦服务器使用聚合权重进行全局聚合，得到新的全局模型该新的全局模型的精确度全局模型的损失以及新全局模型与原全局模型的特征差异构成下一步状态 步骤六、根据模型精度的提升与损失衰减，计算执行本次动作得到的奖励量化本次动作结果的优劣； 步骤七、根据车辆m的当前状态下一步状态以及奖励通过A2C的价值网络进行学习； 步骤八、返回步骤二遍历每个车辆客户端，重复实现各车辆客户端的狭义异步自适应权重聚合个性化联邦学习过程，最终获得良好精度表现的全局模型。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。