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！

龙图腾网获悉北京计算机技术及应用研究所申请的专利一种通信受限条件下的边云协同训练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：CN119670832B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411621205.1，技术领域涉及：G06N3/08；该发明授权一种通信受限条件下的边云协同训练方法是由陈美玲;刘朋杰;田明昊;杨恒;李聪昊;高彤;吴楠;张宁;王浩枫设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种通信受限条件下的边云协同训练方法在说明书摘要公布了：本发明涉及一种通信受限条件下的边云协同训练方法，属于边云协同领域。本发明融合了联邦学习和分割学习两种分布式机器学习算法，解决了传统的联邦学习因边缘设备算力限制而造成的无法训练或训练过慢的问题，能够充分利用边缘设备和云端设备的算力资源。同时模型分割后，通过对边缘设备侧特征提取器获取的中间层特征进行1bit量化操作和加噪声处理，缓解了边云协同训练时易造成的数据隐私安全问题。边缘设备侧的特征提取器无需在训练过程中进行参数更新，因此不需要进行边云之间多轮梯度的交换传输，且中间层特征经过量化操作后特征大小被极大压缩，这些都减小了边云协同训练时的通信占用，适用于通信受限的场景。

本发明授权一种通信受限条件下的边云协同训练方法在权利要求书中公布了：1.一种通信受限条件下的边云协同训练方法，其特征在于，该方法包括如下步骤： S1、首先选择一种DNN模型用于边云协同训练，该模型需要是预训练好的模型，预训练模型的权重直接从官方在线平台或模型库中下载，或者，使用开源或自己的业务数据进行重新训练； S2、将预训练好的DNN模型分割成两部分，用于边云协同训练；将模型的前几层分割后作为特征提取器放在边缘设备侧，将模型剩余部分放在云端设备侧作为预测器； S3、准备边云协同训练的所需数据集，划分为训练集、验证集和测试集；将训练数据输入到边缘设备侧的特征提取器中进行计算处理，特征提取器提取训练数据的中间层特征，该中间层特征容易造成数据隐私泄露，因此对其进行1bit量化和加噪声处理，将中间层特征转化为中间表示；将该中间表示发送到云端服务器，进行预测器的训练；经过特定epoch数训练后完成云端服务器模型参数的训练更新； S4、使用相同的数据集和训练epoch数训练未进行分割的DNN模型，在验证集上获得模型的准确率，记为P1；同样获取边云协同训练模型在验证集上的准确率，记为P2，比较P2与P1的差值，若边云协同训练的准确率降低的百分比大于预期的阈值，则跳转到步骤S2，对DNN模型进行重新分割，重新设定特征提取器的层数，并重复步骤S2至步骤S4，直至P2与P1的差值符合预期。

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计算机技术及应用研究所，其通讯地址为：100854 北京市海淀区永定路51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。