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！

龙图腾网获悉浙江大学;城云科技(中国)有限公司申请的专利一种基于异质客户端感知的联邦主动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：CN115688914B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202211393730.3，技术领域涉及：G06N3/091；该发明授权一种基于异质客户端感知的联邦主动学习方法是由寿黎但;陈珂;张俊;郁强;李开民;李圣权;毛云青设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种基于异质客户端感知的联邦主动学习方法在说明书摘要公布了：本发明公开了一种基于异质客户端感知的联邦主动学习方法。初始轮，客户端在自身私有数据上使用交叉熵损失进行本地模型训练；完成本地训练后，上传本地更新至服务器；服务器执行聚合获得新一轮的全局模型，并下发给所有客户端。客户端收到新的全局模型并开始本地训练前，执行采样操作。首轮外，本地训练不仅计算交叉熵损失，客户端还将基于前一轮记录的认知波动信息对抽取的无标签子集进行分类，并额外计算一个对齐损失项，以校准模型的决策边界，避免在不准确模型上浪费标注预算。本发明解决了现有联邦主动学习方法在异质场景下失效的问题。一方面更有效地衡量了样本信息量，另一方面能训练更准确地模型，从而减少模型的认知波动以提升模型性能。

本发明授权一种基于异质客户端感知的联邦主动学习方法在权利要求书中公布了：1.一种基于异质客户端感知的联邦主动学习方法，其特征在于，包括以下步骤： 1客户端在自身私有数据上进行本地模型训练；每完成一次本地训练会对每个无标签样本进行推断，并记录模型的预测的一致性结果，用于认知波动的捕获；所述步骤1中，首轮客户端本地训练的损失是基于交叉熵的分类损失；其余轮为增加了对齐损失项的新损失函数；其中利用对齐损失项校准模型决策边界； 2客户端k完成本地训练后，上传本地更新至服务器；服务器按下式执行聚合获得新一轮的全局模型ωr，并下发给所有客户端； 其中，N表示所有客户端的总标签集大小，表示客户端k本地训练的标签集大小； 3客户端收到新的全局模型开始下一轮本地训练前，客户端基于步骤1记录的信息统计连续轮内模型预测是否一致并计算累计变化量4客户端根据累计变化量的大小和标注预算贪心地从无标签集中挑选出数据并标注记为获得更新的标签集和无标签集公式如下： 5采样完成后，客户端利用捕获的认知信息暂时得将模型过度自信或相对简单的零波动样本移到休眠集获得更新后的休眠集和无标签集；表示为如下公式： 只有当无标签集的规模小于给定的唤醒阈值时，将从中随机唤醒Ta部分冻结数据到无标签池中； 6完整联邦主动学习重复步骤1至步骤5，直至满足指定轮或者性能阈值；其中，在每次局部训练之前，除了第一轮，每个客户端k都会从无标签集中随机采样一个大小为的子集代替参与后续进程。

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浙江大学;城云科技(中国)有限公司，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。