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！

龙图腾网获悉福州大学申请的专利基于个性化联邦深度学习的多边缘协作负载预测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：CN119865435B 。

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：202510039223.7，技术领域涉及：H04L41/147；该发明授权基于个性化联邦深度学习的多边缘协作负载预测方法是由陈哲毅;江庆南;陈礼贤;张俊杰;赖轩设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本基于个性化联邦深度学习的多边缘协作负载预测方法在说明书摘要公布了：本发明提供了基于个性化联邦深度学习的多边缘协作负载预测方法，包括以下步骤：步骤1：参数服务器选择客户端参加本轮次的联邦聚合，并发送工作请求给客户端；步骤2：被选中的客户端根据当前边缘服务器的状态决定是否参加本轮联邦聚合，并返回接受拒绝回复给参数服务器；步骤3：参数服务器分发全局模型和全局控制参数至参与联邦聚合的客户端；步骤4：客户端对其边缘服务器上的历史负载数据进行预处理，包括数据清洗、重采样、归一化和去噪；本技术方案整合多边缘协作与个性化联邦深度学习，通过解决负载数据高噪声、高可变、数据量不足、模型泛化能力差等关键问题，自适应地实现了对边缘负载的高效精确预测。

本发明授权基于个性化联邦深度学习的多边缘协作负载预测方法在权利要求书中公布了：1.基于个性化联邦深度学习的多边缘协作负载预测方法，其特征在于，包括以下步骤： 步骤1：参数服务器选择客户端参加本轮次的联邦聚合，并发送工作请求给客户端； 步骤2：被选中的客户端根据当前边缘服务器的状态决定是否参加本轮联邦聚合，并返回接受拒绝回复给参数服务器； 步骤3：参数服务器分发全局模型w和全局控制参数c至参与联邦聚合的客户端； 步骤4：客户端对其边缘服务器上的历史负载数据进行预处理，包括数据清洗、重采样、归一化和去噪，从而提取出原始数据中的重要表征； 步骤5：基于全局模型w、全局控制参数c、本地控制参数c以及历史负载数据，客户端通过若干轮次的训练、验证和测试后更新本地负载预测模型w和本地控制参数c；包括，将预处理的负载X′划分为多个batches来作为客户端的本地训练数据；每个客户端进行E轮次的本地模型训练；本地模型w的更新定义如下： 其中，引入了差值项c-c来估计客户端的偏移，以及时矫正本地更新的方向； 在经过E轮次的本地更新之后，对本地控制参数进行更新；过程被定义为： 其中，η为学习率；本地控制参数c的更新综合考虑了全局控制参数c以及全局模型和更新后的本地模型的差值，记为w-w； 步骤6：利用训练好的模型可对未来的边缘负载进行预测，这将协助边缘服务提供商制定合适的资源调度方案，从而实现边缘服务器之间的负载均衡； 步骤7：参数服务器等待所有参与联邦聚合的客户端完成本地训练并上传其本地模型和本地控制参数； 步骤8：参数服务器聚合收到的所有本地模型并更新全局模型，接着开始下一轮的联邦学习训练。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。