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！

龙图腾网获悉华东师范大学申请的专利一种基于多模型协同融合的集中式联邦学习方法、系统及应用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：CN116562395B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310542565.1，技术领域涉及：G06N20/00；该发明授权一种基于多模型协同融合的集中式联邦学习方法、系统及应用是由陈铭松;周沛恒;胡铭设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种基于多模型协同融合的集中式联邦学习方法、系统及应用在说明书摘要公布了：本发明公开了一种基于多模型协同融合的集中式联邦学习方法，包括：对联邦学习各设备进行随机选取，获得一个设备端数量为K的用于训练的随机设备端子集，并打乱内部排列顺序，为参与训练的各设备端匹配一个中间模型；对得到的用于训练的设备端子集进行训练，并各自更新每个设备端对应的中间模型；将各中心模型收集到服务端，为每个参与训练的设备端选择策略选择一个或多个协作设备，并将各设备对应的中间模型进行协同融合，形成新中间模型；循环执行上述步骤，在循环次数达到预设的目标值后停止循环，对所有中间模型进行联邦平均，获得仅用于部署的集中式联邦模型。本发明还公开了实现上述方法的系统及上述方法在不同场景下联邦学习中的应用。

本发明授权一种基于多模型协同融合的集中式联邦学习方法、系统及应用在权利要求书中公布了：1.一种基于多模型协同融合的集中式联邦学习方法，其特征在于，所述方法包括以下具体步骤： 步骤一、设备选取及中间模型分配：对联邦学习各设备进行随机选取，获得一个设备端数量为K的用于训练的随机设备端子集，并打乱内部排列顺序，为参与训练的各设备端匹配一个中间模型； 步骤二、联邦训练及协同融合：对得到的用于训练的设备端子集进行训练，对中间模型进行本地更新，各自更新每个设备端对应的中间模型；将各中心模型收集到服务端的同时，为每个参与训练的设备端通过协作模型选择策略选择一个或多个协作设备，并将所述各设备对应的中间模型进行协同融合，形成替代主设备端原有模型的新中间模型； 步骤二中，所述协作模型选择策略基于最大化知识获取标准选择每个设备端对应的协作设备；通过选择模型参数差异最大的模型作为协作设备，使设备端最大化获取来自其他设备端的知识，缓解其易对集中式聚合产生影响的收敛趋势； 所述模型参数差异通过各设备间的余弦相似度计算获得，公式如下： 其中，X和Y为两个模型，n表示参数的个数，Xi表示X模型中的第i个参数； 步骤三、集中式聚合：循环执行上述步骤一和二，在每轮过程中随机选取一组设备端用于训练；以指定数量的迭代轮次为限，在循环次数达到目标值后停止循环，对所有中间模型进行联邦平均，获得仅用于部署的集中式联邦模型。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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。