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！

龙图腾网获悉西南财经大学申请的专利通信高效的联邦学习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：CN118469033B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202410479103.4，技术领域涉及：G06N20/00；该发明授权通信高效的联邦学习方法是由陈雪蓉;刘书兵;赵路设计研发完成，并于2024-04-21向国家知识产权局提交的专利申请。

本通信高效的联邦学习方法在说明书摘要公布了：本发明公开了一种通信高效的联邦学习方法，包括：构建代理目标函数，并利用所述代理目标函数替代全局目标函数；使用交替方向乘子法ADMM求解代理目标函数中的参数更新公式；设计通信高效的联邦学习算法，包括设计中心服务器算法以及设计客户端算法；本发明能够降低联邦学习中客户端的计算量，并减少客户端与中心服务器之间的通信量，从而减少算法收敛时间，提升联邦学习效率。

本发明授权通信高效的联邦学习方法在权利要求书中公布了：1.一种通信高效的联邦学习方法，其特征在于，包括以下步骤： 步骤1、构建代理目标函数，并利用所述代理目标函数替代全局目标函数； 所述步骤1具体如下： 假设联邦学习框架中有一个中心服务器S和N个客户端{C1,,···,CN}，客户端Ci拥有的本地数据为Di，则参与联邦学习的所有客户端的数据集集合为D＝{D1,D2,···,DN}；假设FDθ表示基于所有客户端本地数据量的目标函数，也称全局目标函数；全局目标函数写成各客户端本地目标函数之和的形式，即： 其中，表示各客户端的权重，并且Fiθ表示第i个客户端的本地目标函数，表示如下： 其中，lxj,yj；θ是具有参数θ的模型对数据集中每个实例j的输入xj和输出yj产生的损失函数； 接下来构建一个代理目标函数来替代全局目标函数FDθ，对FDθ进行泰勒展开得到一个无穷级数： 其中，为θ的任意初始估计值，是一个可计算出来的常数，·,·表示内积； 步骤2、使用交替方向乘子法ADMM求解代理目标函数中的参数更新公式； 所述步骤2具体如下： 将最小化代理目标函数分解为最小化各客户端本地目标函数，令将式10重新写为如下形式： 其中，表示各客户端的权重，并且表示第i个客户端基于抽样样本di的本地目标函数，式11进一步表示为如下全局一致性优化问题： 其中，θi表示第i个客户端的本地模型参数，在约束条件θi＝θ,i∈[1,2，···,N]的作用下，式12等价于式11，将式12转化为ADMM算法要求的形式： 其中，B表示N块单位矩阵，表示所有θi的集合，即的具体定义为： 式13对应的增广拉格朗日函数如下： 其中，ρ0是惩罚参数，对偶变量u∈[u1,u2,···,uN]； 接下来给出ADMM算法的更新规则： 对于式16，只与客户端Ci有关，将其改写为如下形式： 对在处利用二阶泰勒展开，可得到的扩展： 其中，η为惩罚项系数；则的更新公式写为： 式21是式19的一个近似，通过求解式21得到式19的一个非精确解： 对于式17，为一个关于θ的二次函数，对其求偏导并令其偏导等于零即可求得极小值点，即： 步骤3、设计通信高效的联邦学习算法，包括设计中心服务器算法以及设计客户端算法； 所述步骤3具体如下： 令每轮联邦训练开始前，首先对代理目标函数进行更新，随后再根据公式更新参数； 中心服务器算法具体如下： 中心服务器首先初始化全局模型，在任意一轮t∈T的迭代中，中心服务器随机选择参与联邦训练的客户端Ct，并向客户端Ct发送全局模型参数θt-1；参与本轮联邦训练的客户端接收到全局模型参数θt-1之后，根据抽样比例α随机抽样样本数据di＝αDi并计算各客户端再根据客户端算法进行本地更新，并上传参数至中心服务器；中心服务器接收到各客户端参数后进行聚合，根据式23推导出中心服务器全局模型参数的迭代公式： 客户端算法具体如下： 参与联邦训练的客户端根据抽样比例α随机抽取样本，在接收θt-1后计算根据式22和学习率γ得到参数θi的更新公式，如式25所示，根据式26更新对偶变量ui； ui←ui+ρθi-θt-126 客户端进行E轮本地训练后得到参数θi和ui，然后将θi、ui和Riθt-1发送至中心服务器。

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西南财经大学，其通讯地址为：610000 四川省成都市光华村街55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。