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！

龙图腾网获悉南京邮电大学申请的专利一种面向6G网络的联邦学习高效训练优化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：CN119854824B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411843947.9，技术领域涉及：H04W24/02；该发明授权一种面向6G网络的联邦学习高效训练优化方法是由朱晓荣;苏瑞设计研发完成，并于2024-12-14向国家知识产权局提交的专利申请。

本一种面向6G网络的联邦学习高效训练优化方法在说明书摘要公布了：本发明公开了一种面向6G网络的联邦学习高效训练优化方法，在下行链路通信阶段，全局模型参数由参数服务器下发到客户端当中，在本地训练阶段，定制化的局部训练策略通过在本地客户端训练指定迭代次数并在目标函数中增加约束项来提高收敛速度，以减少通信总轮数；上行链路通信阶段部分客户端参与规则选择计算效率较高的客户端同时上传其训练结果，从而降低每个轮次的通信成本；模型聚合阶段，参数服务器基于数据质量的加权聚合策略通过为不同本地参数分配合理权值以提升模型精度，最终输出优化后的全局模型参数以实现高效的模型训练和参数更新，为6G网络中的分布式学习提供了一个高效、可靠的解决方案。

本发明授权一种面向6G网络的联邦学习高效训练优化方法在权利要求书中公布了：1.一种面向6G网络的联邦学习高效训练优化方法，包括如下步骤： 步骤S1：构造面向6G网络的联邦学习训练框架，用于客户端数据异质性导致通信成本大，模型收敛速度慢的场景； 步骤S2：引入自定义的本地训练策略，通过在本地客户端的目标函数中增加约束项来提高收敛速度，以减少通信总轮数；通过允许跨客户在本地执行不同的迭代周期来实现定制的本地训练策略；引入一个约束项来有效地缩小局部函数之间的梯度多样性；客户端k用局部损失函数近似最小化以下目标方程： 其中，gkωk；ωt表示局部损失函数加入正则项后构建的目标方程，Fkωk表示客户端k的损失函数，ε作为约束项的惩罚因子，ωk表示客户端k在第t轮训练的本地模型参数，ωt表示第t轮训练聚合后的全局模型参数； 步骤S3：设置部分客户端参与规则，选择计算效率较高的客户端同时上传其训练结果，从而降低每个轮次的通信成本；所述部分客户端参与规则的具体过程为：在每一轮通信中，都会选择一个包含nt个客户端的子集，记为St；客户端上的局部模型用于在每个选定客户端上用聚合阶段后的平均全局模型损失函数优化局部目标函数；其中Dk表示客户端k的数据量，D表示总数据量；在上行通信阶段，客户端上传本地模型参数，同时将本地数据集的大小以及上一轮通信中本地模型的训练时间传输到参数服务器； 步骤S4：设计权值计算方法，在非独立同分布设置中，通过分析客户端数据量、梯度相似度和数据多样性三个关键因素，构建数据质量评估模型并调整聚合权值，以提升模型精度。

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南京邮电大学，其通讯地址为：210000 江苏省南京市鼓楼区新模范马路66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。