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！

龙图腾网获悉浙江大学申请的专利联邦持续学习系统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：CN119168020B 。

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：202411360544.9，技术领域涉及：G06N3/098；该发明授权联邦持续学习系统是由郑小林;梁腾文;陈超超设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本联邦持续学习系统在说明书摘要公布了：本说明书实施例提供联邦持续学习系统，其中所述联邦持续学习系统包括服务器和至少一个客户端；各客户端获取第一样本数据集合和类别散度阈值，确定第一样本对和单样本数据集合，并训练局部模型，生成局部模型信息发送至服务器。服务器接收并基于各客户端的局部模型信息获取全局模型，判断是否达到停止条件。若否，生成残差样本生成指令并发送至客户端；若是，确定全局模型为目标模型。客户端接收残差样本生成指令，生成残差样本，结合第二样本数据集合训练局部模型，生成并发送局部模型信息至服务器。通过类别散度筛选和残差样本生成，提升模型对噪声样本的鲁棒性，优化类增量学习中的泛化能力，减少知识遗忘。

本发明授权联邦持续学习系统在权利要求书中公布了：1.一种联邦持续学习系统，其特征在于，所述系统包括服务器和至少一个客户端； 各客户端，被配置为获取第一样本数据集合和类别散度阈值，其中，所述第一样本数据集合包括至少一个第一样本数据；获取各第一样本数据对应的第一类别散度信息，并根据各第一类别散度信息和所述类别散度阈值确定第一样本对数据集合和第一单样本数据集合；基于所述第一样本对数据集合和所述第一单样本数据集合训练所述客户端对应的局部模型；根据所述局部模型生成局部模型信息，并将所述局部模型信息发送至服务器； 所述服务器，被配置为接收各客户端发送的局部模型信息，并基于各局部模型信息获取全局模型；判断所述全局模型是否达到模型训练停止条件；若否，则根据所述全局模型生成残差样本生成指令，并将所述残差样本生成指令发送至各客户端；若是，则确定所述全局模型为目标模型； 各客户端，还被配置为接收所述残差样本生成指令，并基于所述残差样本生成指令生成残差样本集合；获取第二样本数据集合，其中，所述第二样本数据集合包括至少一个第二样本数据；确定各第二样本数据对应的第二类别散度信息，并根据各第二类别散度信息和所述类别散度阈值确定第二初始样本对数据集合和第二初始单样本数据集合；结合所述残差样本集合、所述第二初始样本对数据集合和所述第二初始单样本数据集合生成第二目标样本对数据集合和第二目标单样本数据集合；基于所述第二目标样本对数据集合和所述第二目标单样本数据集合训练局部模型，并根据所述局部模型的局部模型参数生成局部模型信息；将所述局部模型信息发送至服务器。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。