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！

龙图腾网获悉之江实验室申请的专利边缘计算网络中的分层个性化联邦学习方法、装置及介质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：CN116579417B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310536782.X，技术领域涉及：G06N3/098；该发明授权边缘计算网络中的分层个性化联邦学习方法、装置及介质是由郭松涛;朱永东;何静;刘贵燕;曲鑫设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本边缘计算网络中的分层个性化联邦学习方法、装置及介质在说明书摘要公布了：本发明涉及一种边缘计算网络中的分层个性化联邦学习方法、装置及介质，属于边缘计算领域，其中方法包括：将边缘计算网络划分为两层，第一层为终端设备层，包括由多个终端设备分簇形成的多个集群，第二层为边缘云层，由各个簇的簇头节点与边缘服务器进行通信；确定边缘计算网络中待进行通信的终端设备；基于分布相似度和资源相似度加权度量对终端设备进行分簇；对边缘计算网络进行训练，实现双层个性化联邦边缘学习，其中，训练过程包括采用同步机制的簇内训练和采用异步机制的簇间训练，簇间训练中，每个簇头节点在进行簇间融合时仅融合部分参数，保留个性化特征。与现有技术相比，本发明具有训练效率高、权衡了泛化和个性化等优点。

本发明授权边缘计算网络中的分层个性化联邦学习方法、装置及介质在权利要求书中公布了：1.一种边缘计算网络中的分层个性化联邦学习方法，其特征在于，包括以下步骤： 将边缘计算网络划分为两层，第一层为终端设备层，包括由多个终端设备分簇形成的多个集群，第二层为边缘云层，由各个簇的簇头节点与边缘服务器进行通信； 确定边缘计算网络中待进行通信的终端设备； 基于分布相似度和资源相似度加权度量对终端设备进行分簇； 对边缘计算网络进行训练，实现双层个性化联邦边缘学习，其中，所述训练过程包括簇内训练和簇间训练，簇内训练采用同步机制，所有终端设备通过正交信道同时与簇头节点通信，各节点向簇头节点发送所有模型参数，簇头节点负责聚合所有参数；簇间训练为簇头节点和边缘服务器之间的模型全局融合过程，采用异步机制，且每个簇头节点在进行簇间融合时仅融合部分参数，保留个性化特征； 所述分布相似度的生成过程包括分布信息生成、概率分布生成和分布相似度矩阵计算3个步骤， 分布信息生成：将终端设备上传的本地模型融合成为一个全局模型，并将其保存在边缘服务器中用作预训练模型，将噪声输入到预训练模型中，并输出类似数据的分布信息； 概率分布生成：将分布信息输入到所有本地模型中生成各个本地模型的概率分布向量，一个终端设备对应一个概率分布向量； 分布相似度矩阵计算：在概率分布向量的基础上，采用KL散度计算各终端设备分布的距离，令和分别代表终端设备与终端设备本地模型的概率分布向量，终端设备的本地模型与终端设备的本地模型之间的KL散度为： 通过计算各个终端设备本地模型之间的KL散度得到一个尺寸为分布相似度矩阵，其中，N为终端设备数量，表示终端设备与终端设备的本地模型间的分布相似度，值越小代表终端设备与终端设备的本地模型间的相似度越大； 所述资源相似度由终端设备的计算能力和剩余能量相似度组成，对于每个设备都用一个状态向量表示其属性，令设备的状态向量为，状态向量中有两个元素和，代表设备的计算能力，代表设备剩余能量值；采用余弦相似度计算终端设备间资源相似度： 通过计算各个终端设备本地模型之间的余弦相似度，得到一个尺寸为资源相似度矩阵，其中，N为终端设备数量，表示终端设备与终端设备的本地模型间的资源相似度，值越小代表终端设备与终端设备的本地模型间的相似度越大。

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之江实验室，其通讯地址为：311121 浙江省杭州市余杭区中泰街道科创大道之江实验室；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。