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！

龙图腾网获悉北京航空航天大学申请的专利面向算力异构设备的自适应联邦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：CN119668860B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411747268.1，技术领域涉及：G06F9/50；该发明授权面向算力异构设备的自适应联邦学习方法是由李文玲;李博文;刘杨;宋佳设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本面向算力异构设备的自适应联邦学习方法在说明书摘要公布了：本发明一种面向算力异构设备的自适应联邦学习方法，属于联邦学习技术领域，本发明中选择服务器匹配的联邦学习任务的全局模型，其中，各个用户设备在每轮迭代过程中均可根据自身算力情况自主选择可训练的本地模型参数，使算力较弱的用户设备花费更少的训练时间，进而提升联邦学习的模型训练速度；本发明的技术方案允许算力较差的用户仅训练一部分模型参数，降低了本地计算开销，从而可以采用较大规模的全局模型；解决了用户设备计算能力差异对联邦学习带来的影响。

本发明授权面向算力异构设备的自适应联邦学习方法在权利要求书中公布了：1.一种面向算力异构设备的自适应联邦学习方法，其特征在于，包括： 步骤S1、选择服务器匹配的联邦学习任务的全局模型并进行参数初始化，得到原始全局模型；将所述原始全局模型广播到各个设备用户； 步骤S2、令k＝1，当k＝1时，表示初始迭代； 步骤S3、获得第k轮迭代中各个用户设备接收的全局模型； 将第k轮迭代中各个用户设备接收的全局模型作为对应的本地模型； 步骤S4、获取第k轮迭代中各个用户设备对应的本地模型的算力，基于各个用户设备对应的本地模型的算力确定各个用户设备对应的本地模型的可训练参数和不可训练参数； 步骤S5、令i＝1，当i＝1时，表示第k轮迭代中的第一个用户设备； 步骤S6、使用随机梯度下降方法更新第k轮迭代中第i个用户设备Ai,k对应的本地模型Bi,k的可训练参数，得到第k轮迭代中第i个用户设备Ai,k的更新可训练参数； 步骤S7、获取第k轮迭代中第i个用户设备Ai,k对应的不可训练参数； 将第k轮迭代中第i个用户设备Ai,k对应的不可训练参数和更新可训练参数利用联邦平均算法进行聚合，得到第k轮迭代中第i个用户设备Ai,k的更新参数； 步骤S8、基于第k轮迭代中第i个用户设备Ai,k的更新参数得到第k轮迭代中第i个用户设备的更新本地模型B′i,k，并记录； 步骤S9、判断i是否大于等于I，I表示用户设备总数，若是，得到第k轮迭代中I个用户设备的更新本地模型，进行下一步骤，若否，则令i＝i+1，返回步骤S5； 步骤S10、基于第k轮迭代中I个用户设备的更新本地模型获得第k轮迭代中更新全局模型； 判断k是否大于等于K，K表示迭代总数，若是，将第k轮迭代中更新全局模型作为最终的全局模型，若否，令k＝k+1，返回步骤S2。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。