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！

龙图腾网获悉华南理工大学申请的专利一种基于自适应量化的联邦学习加速方法、设备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：CN119962636B 。

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：202510083048.1，技术领域涉及：G06N3/098；该发明授权一种基于自适应量化的联邦学习加速方法、设备及介质是由郭锴凌;张子阳;曾宇欣;袁莺菲;郝子钰;李然设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于自适应量化的联邦学习加速方法、设备及介质在说明书摘要公布了：本发明公开一种基于自适应量化的联邦学习加速方法、设备及介质，其中方法包括：初始化服务端全局模型和各客户端相同的量化等级；客户端从服务端下载全局模型和量化等级，初始化本地模型，根据初始化的模型进行本地训练，并计算本地模型的更新量；客户端计算本地模型经验风险，对本地模型的更新量进行量化，将经验风险和量化后的模型更新量上传服务端；服务端根据客户端上传的经验风险确定下一轮的量化等级；服务端进行模型聚合，并将量化等级和聚合模型下传至客户端，直至模型收敛或达到通信成本上限。本发明基于自适应量化的联邦学习，根据不同客户端训练过程中的本地期望风险，来评判不同客户端所需的上传量化等级，实现量化等级的自适应计算。

本发明授权一种基于自适应量化的联邦学习加速方法、设备及介质在权利要求书中公布了：1.一种基于自适应量化的联邦学习加速方法，其特征在于，包括以下步骤： 初始化服务端全局模型和各客户端相同的量化等级； 客户端从服务端下载全局模型和量化等级，初始化本地模型，根据初始化的模型进行本地训练，并计算本地模型的更新量； 客户端计算本地模型经验风险，对本地模型的更新量进行量化，将经验风险和量化后的模型更新量上传服务端； 服务端根据客户端上传的经验风险确定下一轮的量化等级； 服务端进行模型聚合，并将量化等级和聚合模型下传至客户端，以使客户端更新本地模型并上传经验风险和模型更新量，直至模型收敛或达到通信成本上限； 所述客户端从服务端下载全局模型和量化等级，初始化本地模型，根据初始化的模型进行本地训练，并计算本地模型的更新量，包括： 对于第r个通信轮次，第n个客户端从服务端下载全局模型Mr-1以及量化等级下标n表示客户端序号，n∈{1,2,…,N}，N为客户端总数； 第n个客户端初始化本地模型 客户端利用本地数据集，基于初始化的模型，根据给定训练算法完成本地模型训练，得到模型 根据本地模型和模型计算模型更新量： 所述客户端计算本地模型经验风险，对本地模型的更新量进行量化，将经验风险和量化后的模型更新量上传服务端，包括： 各客户端利用本地训练模型在完整训练集上进行一次前向传播，计算训练集的经验风险 各客户端根据前一个通信轮次确定的量化等级利用随机定点量化器Q·,·对本地模型的更新量进行量化得到并将经验风险以及量化后的模型更新量上传至服务端； 经验风险的计算公式为： 式中，Sn表示样本数量，xn,i,yn,i表示第i个样本，l·和f·,·分别表示损失函数以及神经网络。

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南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。