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！

龙图腾网获悉重庆邮电大学申请的专利一种面向异构环境的分层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：CN119599143B 。

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：202411644076.8，技术领域涉及：G06N20/00；该发明授权一种面向异构环境的分层联邦学习方法是由祝志远;鲁长星;吴大鹏;王汝言设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种面向异构环境的分层联邦学习方法在说明书摘要公布了：本发明涉及一种面向异构环境的分层联邦学习方法，属于人工智能技术领域。该方法包括：构建云边端场景中的分层联邦学习框架；构建能够减小因节点间异构性导致的模型性能损失的分层联邦学习算法；构建边缘服务器增强算法中使用的虚拟数据集，以及边缘服务器的数据分配方式；在严格数学假设下，从理论上推导了平均全局梯度偏差的边界，以量化云边缘聚集区间、参与设备的数量和其他重要因素的影响，分析在异构环境影响下分层联邦学习算法的理论收敛边界。

本发明授权一种面向异构环境的分层联邦学习方法在权利要求书中公布了：1.一种面向异构环境的分层联邦学习方法，其特征在于，该方法包括： 构建云边端场景中的分层联邦学习框架，所述分层联邦学习框架包括云服务器、多个边缘服务器和多个边缘客户端；所述云服务器用于下发全局模型至各边缘服务器，并接收各边缘服务器上传的模型，进行加权聚合得到新一轮的全局模型；所述边缘服务器将接收到的模型下发至所辖的边缘客户端，并接收边缘客户端上传的经过本地更新后的本地模型，进行模型聚合操作后上传至所述云服务器；所述边缘客户端只传输本地模型参数至所述边缘服务器，且各边缘客户端之间不直接通信； 构建分层联邦学习算法，减小模型性能损失；所述分层联邦学习算法包括，在第轮全局更新开始时，所述云服务器将模型参数下发给各边缘服务器，第个边缘服务器收到模型参数后对模型进行初始更新，然后将模型参数下发至所辖的边缘客户端；在所述边缘客户端的本地训练次数达到第一设定值时，边缘客户端将模型参数上传至边缘服务器，边缘服务器对接收到的所有模型参数进行聚合；边缘服务器的聚合次数达到第二设定值时，边缘服务器将聚合的模型参数上传至云服务器，由云服务器进行全局聚合；所述边缘服务器中，对接收到的所有模型参数进行聚合，更新规则如下式所示： 式中，表示第个边缘服务器在第t轮全局聚合、第轮边缘聚合时的模型参数，表示第个边缘客户端上经过轮全局聚合、轮边缘聚合、次本地训练后的本地模型，表示第个边缘服务器所连接的边缘客户端集合，表示边缘客户端i影响联邦学习全局模型的权重，； 所述云服务器中，对由边缘服务器上传的模型参数进行全局聚合，更新规则如下式所示： 式中，表示云服务器上第t+1轮全集聚合时的全局模型参数，N表示边缘服务器所辖的边缘客户端集合，S表示与云服务器连接的边缘服务器集合，表示第j边缘服务器上经过t轮全局聚合、次边缘聚合后的模型参数； 当模型达到需要的精度或分层联邦学习进行预设次数全局更新之后，边缘服务器辅助训练的分层联邦学习架构停止训练； 使用生成对抗网络合成虚拟数据集，并分配至各边缘服务器中，用于边缘服务器的初始更新操作；其中，边缘服务器使用虚拟数据集对当前模型参数执行随机梯度下降算法； 推导平均全局梯度偏差的边界，分析异构环境下分层联邦学习算法的理论收敛边界，根据理论收敛边界中的关键参数获得相应的系统部署指南。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。