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！

龙图腾网获悉重庆大学申请的专利一种基于莫罗包络的群体个性化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：CN119277423B 。

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：202411558115.2，技术领域涉及：H04W24/02；该发明授权一种基于莫罗包络的群体个性化联邦学习方法是由温万里;罗坤;高璋杰;林青巧;李佳渝;贾云健;梁靓设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种基于莫罗包络的群体个性化联邦学习方法在说明书摘要公布了：本发明涉及一种基于莫罗包络的群体个性化联邦学习方法，属于无线通信领域。该方法主要包括：构建一个由若干用户节点、其对应的子服务器以及一个边缘服务器组成的无线边缘网络系统，其中与同一子服务器相连接的用户节点称为一个群组；建立一个相互解耦的双层并行联邦学习优化问题，其中第一层是基于莫罗包络改进的边缘群组个性化优化问题，第二层是关于群组内的联邦优化问题；促进群组与关联的子服务器协作训练个性化模型，根据迭代得到的个性化模型更新对应的群组模型。本发明提出的基于莫洛包络的群体个性化联邦学习方法可以有效提升群体层面Non‑IID数据设置下的联邦无线边缘网络模型性能。

本发明授权一种基于莫罗包络的群体个性化联邦学习方法在权利要求书中公布了：1.一种基于莫罗包络的群体个性化联邦学习方法，其特征在于：该方法包括以下步骤： S1：建立一个由若干个用户节点、若干个子服务器和一个边缘服务器构成的边缘网络系统，其中，一个子服务器与其相连接的用户节点构成一个边缘群组；具体包括以下内容： 建立一个由N个用户节点、M个子服务器和一个边缘服务器构成的边缘网络系统；其中，用表示子服务器的集合，表示用户节点的集合；子服务器与边缘服务器通过有线回传链路连接，每个子服务器服务于一组互不影响干涉的用户节点；每个子服务器与其服务的这一组用户节点构成一个边缘群组m，其中子服务器与用户节点之间通过无线信道进行通信，通信过程之中用户设备会因电量不足、网络连接不稳定与子服务器失去连接，用户设备并不总是可参与模型训练的；使用一个二元随机变量Xm,n∈{0,1}表示群组m中用户设备n的可用性状态，Xm,n＝1表示用户设备n可以参与模型训练，Xm,n＝0表示用户设备n不可以参与模型训练；定义群组m中设备可参与模型训练的概率为群组m中的用户设备所使用的数据集表示为从而群组m的总数据集表示为并且群组m中每个用户设备的数据集之间的分布是非独立同分布non‑IID的； S2：建立一个相互解耦的双层并行优化的个性化联邦学习模型，包括基于莫罗包络改进的边缘群组间的优化问题，以及一个边缘群组内的联邦学习FL优化问题；具体包括以下步骤： 建立用于边缘群组间的FL优化问题P1： 其中，w定义为全局模型，w*表示优化问题P1的最优解；Fmw与莫罗包络相关，定义为如下优化问题P2： 其中，um定义为群组m的个性化模型；λ是一个正则化参数，用于控制um与w之间的差异； fmum表示群组m中所有用户的训练损失的总和，其中fnum表示个性化模型um在用户设备的本地数据集上的损失函数；在P1和P2代表的双层并行优化过程中，问题P1为求解全局模型w的外层优化问题，问题P2为求解个性化模型um的内层优化问题，这两个优化问题是相互解耦的；定义个性化模型um的最优解为问题P1的局部最优解为其中进一步，局部最优解通过下式计算得到： 上述求解局部最优解的计算过程采用梯度下降的方式，其中α为梯度下降步长； S3：用户群组与关联的子服务器协作训练更新个性化模型，紧接着通过获得的个性化模型更新对应的个性化群组模型； S4：边缘服务器收集来自子服务器的个性化群组模型，并以聚合的方式更新全局模型，然后返回到对应的子服务器； S5：重复进行S3和S4，经过若干次迭代后，将会达到收敛条件。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。