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！

龙图腾网获悉湖南科技大学申请的专利一种基于层间差异的自适应聚合联邦学习方法及设备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：CN119918620B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510400785.X，技术领域涉及：G06N3/098；该发明授权一种基于层间差异的自适应聚合联邦学习方法及设备是由文吉刚;张申奥成;陈宇翔;肖嘉宏;梁伟;何大成;熊乃学设计研发完成，并于2025-04-01向国家知识产权局提交的专利申请。

本一种基于层间差异的自适应聚合联邦学习方法及设备在说明书摘要公布了：本发明公开了一种基于层间差异的自适应聚合联邦学习方法及设备。该方法涉及车联网机器学习领域，包括以下步骤：采集并处理车辆终端数据，通过迭代优化最小化损失函数得到本地模型参数，将全局和本地模型层之间的差异纳入聚合权重的计算过程中，进行联邦学习训练循环。本发明将模型拆解为层，并将全局和本地模型层之间的差异纳入聚合权重的计算过程中，以衡量高数据异质性场景下的不同客户端的贡献。同时引入了基于层间差异的正则项，根据层间差异动态调整各客户端每一轮的聚合权重，从而提高全局模型的跨域泛化能力。

本发明授权一种基于层间差异的自适应聚合联邦学习方法及设备在权利要求书中公布了：1.一种基于层间差异的自适应聚合联邦学习方法，其特征在于，包括以下步骤： 采集并处理车辆终端数据； 各客户端接收从服务器下发的全局模型，利用所述车辆终端数据进行本地模型训练，通过迭代优化最小化损失函数，得到本地模型新参数； 收集本地模型新参数，将本地模型以及全局模型拆解为多层结构，按层分类存储； 计算各客户端模型层与全局模型对应层之间的L2范数差异值，量化层间差异； 基于各客户端的训练样本量以及计算得到的层间差异值，引入了一种基于层间差异的正则项，根据差异动态调整各客户端的聚合权重，通过包含线性衰减超参数的权重迭代计算方法，得到各客户端模型参数在聚合过程中的权重，所述得到各客户端模型参数在聚合过程中的权重的具体步骤为：根据每个客户端的训练样本数量与总样本数量的占比分析得到初始权重；将初始权重与L2范数差异值进行均值化处理，得到各客户端模型参数在聚合过程中的权重，所述引入了一种基于层间差异的正则项，根据差异动态调整各客户端的聚合权重能够在应对不同数据分布时有效减少域间偏差，提升全局模型的泛化能力； 按层独立聚合各客户端的模型参数，并将聚合后的各层参数拼接形成新的全局模型，进行联邦学习训练循环； 需要进一步说明的是，在联邦学习数据异构场景下，在跨域泛化场景下，对所有基准数据集进行留一域评估，即依次选择一个域作为未见过的客户端，其余域作为训练的源客户端。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；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。