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！

龙图腾网获悉北京理工大学申请的专利一种适用于车联网联邦学习环境的模型训练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：CN119204258B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411264203.1，技术领域涉及：G06N20/00；该发明授权一种适用于车联网联邦学习环境的模型训练方法是由朱超;张若羿;周怡航;王添润;康思远设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本一种适用于车联网联邦学习环境的模型训练方法在说明书摘要公布了：本发明公开了一种适用于车联网联邦学习环境的模型训练方法，属于车辆物联网边缘计算技术领域，包括S1、中心节点得到相对应的联邦学习全局模型，并加载深度强化学习决策模块；S2、初始化联邦学习全局模型，并将该模型分发给区域内的边缘节点；S3、每一个参与联邦学习计算的边缘节点训练完模型后，将模型发送给中心节点；S4、决定聚合的模型；S5、重复步骤S3和S4，直至中心节点将训练好的模型上传到云端；S6、云端训练和优化深度强化学习决策模块。本发明采用上述一种适用于车联网联邦学习环境的模型训练方法，实现了对参与聚合的客户端模型的有效筛选，在降低总聚合时间的同时，提高了车辆物联网联邦学习的可用性和鲁棒性。

本发明授权一种适用于车联网联邦学习环境的模型训练方法在权利要求书中公布了：1.一种适用于车联网联邦学习环境的模型训练方法，其特征在于，包括以下步骤： S1、基于位置、车辆输入信息，中心节点从云端得到相对应的联邦学习全局模型，并加载深度强化学习决策模块； S2、进入一个训练周期，初始化联邦学习全局模型，并将该模型分发给区域内所有参与联邦学习计算的边缘节点； S3、进入一个聚合周期，每一个参与联邦学习计算的边缘节点在利用自身数据集训练完模型后，将模型发送给中心节点； S4、中心节点根据边缘节点上传的模型以及其训练模型消耗的时间，决定聚合的模型； S5、重复步骤S3和S4，直至中心节点将训练好的模型上传到云端，结束一个训练周期，并开始重复下一个训练周期； S6、经历若干训练周期且经验回放池中积累经验后，云端训练和优化深度强化学习决策模块； 步骤S4具体为： S41、中心节点在第一次接收到边缘节点的模型时，不将该模型进行聚合，只记录该边缘节点训练消耗的时间，并将该模型和时间作为下一轮聚合周期的状态信息； S42、在第二次及以后的聚合周期，中心节点将上一次接受到的全部边缘节点的模型进行主成分分析降维，并结合训练消耗时间作为深度强化学习的状态信息； S43、中心节点的深度强化学习模块基于状态信息，选择一个边缘节点的编号作为动作，该动作表示在接受到该编号的边缘节点上传的模型后，开始联邦学习的聚合计算，聚合之后接收到的边缘节点的模型，不参与聚合； S44、在计算每一个参与聚合的边缘节点的模型和联邦学习全局模型的差作为增量，并将这些增量以加权平均的方式累加到联邦学习全局模型上作为新的联邦学习全局模型，结束一个聚合周期； S45、使用测试集测试步骤S44得到的新的联邦学习全局模型的得分，作为奖励值，并记录这一聚合周期的状态、动作和奖励，上传到云端经验回放池中； 步骤S42的主成分分析具体为：首先计算模型参数的协方差矩阵，表示为其中n为模型数量；然后对协方差矩阵∑进行特征值分解，得到特征值λi和特征向量vi；通过协方差矩阵的特征向量组成转换矩阵W，转换矩阵W的每一列分别为一个特征向量；原始数据集X通过转换矩阵W转换到新的空间，得到新的数据集X′，X′的列为主成分。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号院；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”。

以上内容由龙图腾AI智能生成。