Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国人民解放军国防科技大学任棒棒获国家专利权

中国人民解放军国防科技大学任棒棒获国家专利权

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!

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于混合联邦学习框架的边缘设备数据传输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:CN119946089B

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:202510065268.1,技术领域涉及:H04L67/12;该发明授权基于混合联邦学习框架的边缘设备数据传输方法是由任棒棒;袁宗阳;罗来龙;程葛瑶;张千桢;郭得科设计研发完成,并于2025-01-13向国家知识产权局提交的专利申请。

基于混合联邦学习框架的边缘设备数据传输方法在说明书摘要公布了:本申请涉及一种基于混合联邦学习框架的边缘设备数据传输方法。所述方法包括:构建混合联邦学习框架;混合联邦学习框架包括边缘客户端和服务器;服务器包括客户端管理模块、分类器和协调器,分类器根据每个边缘客户端的训练速度将边缘客户端分类为掉队者,正常者和引领者;协调器将多个引领者组合到集中式联邦学习中,以保持快速的模型迭代。掉队者间歇性地将模型参数返回给本地分散联邦学习中连接的起步者,以确保模型收敛,协调器将数据Non‑IID和客户端异构程度转换为引领者和掉队者匹配度量,混合联邦学习框架实时调整协调器和分类器,以适应复杂多变的网络环境。采用本方法能够提高边缘设备数据传输效率。

本发明授权基于混合联邦学习框架的边缘设备数据传输方法在权利要求书中公布了:1.一种基于混合联邦学习框架的边缘设备数据传输方法,其特征在于,所述方法包括: 构建混合联邦学习框架;所述混合联邦学习框架包括边缘客户端和服务器;所述服务器包括客户端管理模块、分类器和协调器;获取边缘客户端生成或收集的数据集; 对所述边缘客户端和服务器初始化内部参数和设备故障预测模型,所述边缘客户端向客户端管理模块提交注册请求后从服务器下载配置数据并根据所述配置数据和所述数据集对所述设备故障预测模型进行当前轮次的训练,并将更新后的模型参数上传到服务器; 服务器根据聚合策略全局聚合来自边缘客户端的更新模型,利用所述分类器根据所述边缘客户端的训练速度将所述边缘客户端分为掉队者、正常者和引领者; 利用协调器接受来自分类器的边缘客户端分类结果并将引领者和掉队者的匹配问题转化为二部图中的最大权值问题来生成最优的匹配方案,通过客户端管理模块将最优的匹配方案发送给边缘客户端为本地聚合的引领者和掉队者构建本地分散联邦学习,并在集中式联邦学习中将掉队者从中心聚合中短暂移除完成当前轮次的模型训练; 其他边缘客户端重新提交注册申请,参加新一轮训练,并通过集中式联邦学习和本地分散联邦学习中的聚合器将新的训练参数分发给参加本轮训练的边缘客户端,直到设备故障预测模型收敛或达到训练轮数,得到训练好的设备故障预测模型; 将引领者和掉队者的匹配问题转化为二部图中的最大权值问题,包括构建x‑y坐标系,用x轴来区分引领者和掉队者,引领者的在x轴之上,掉队者的在x轴之下,表示客户端模型更新次数的缩放值,表示和的向量和,的长度近似表示引领者和掉队者匹配度量, 表示和的向量和,在y轴上的投影近似表示数据非独立同分布的程度,在x轴上的投影近似表示客户端的模型上传次数; 根据所述x‑y坐标系中各个向量关系,采用匹配策略优化目标将引领者和掉队者的匹配问题转化为二部图中的最大权值问题。

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中国人民解放军国防科技大学,其通讯地址为:410073 湖南省长沙市开福区德雅路109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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。