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！

龙图腾网获悉杭州电子科技大学申请的专利基于双向记忆联邦学习的城市交通检测系统、方法、介质及电子设备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：CN119989111B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411968825.2，技术领域涉及：G06F18/2411；该发明授权基于双向记忆联邦学习的城市交通检测系统、方法、介质及电子设备是由吴国华;尉辰瀚;张祯;王秋华;王玉娟设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于双向记忆联邦学习的城市交通检测系统、方法、介质及电子设备在说明书摘要公布了：本发明涉及智慧交通技术领域，提供了一种基于双向记忆联邦学习的城市道路状态与异常检测系统、方法、介质及设备，系统中，数据采集模块负责从各交通节点收集实时数据并提取原型表示向量；全局预测头更新模块根据上传的均值原型表示向量优化全局预测头；前向继承模块利用超网络堆叠历史本地预测头，通过前向记忆机制生成中间预测头；对比学习模块则通过对比学习方法促进全局预测头与中间预测头之间的知识传递，从而优化本地预测头，最终生成针对本地动态异构特征的个性化异常检测模型，将本地实时道路数据输入该模型，得到本地实时道路检测状态。本发明能够有效解决现有交通节点模型的同质化问题，提升交通状态检测的准确性与实时响应能力。

本发明授权基于双向记忆联邦学习的城市交通检测系统、方法、介质及电子设备在权利要求书中公布了：1.基于双向记忆联邦学习的城市交通检测系统，其特征是，包括如下模块： 数据采集模块：部署于城市道路的节点，负责实时采集道路原始数据，并将原始数据转化为原型表示向量，再将向量上传至服务器； 全局预测头更新模块：部署于服务器，负责接收来自道路节点上传的原型表示向量，并基于上传的原型表示向量，对全局预测头进行优化更新，生成新的全局预测头； 前向继承模块：部署于城市道路的节点，其内部维护一个超网络，用于存储并传递历史训练过程中的信息；超网络将道路节点在先前训练轮次中生成的所有本地预测头进行堆叠，生成当前轮次的中间预测头； 对比学习模块：部署于城市道路的节点，通过对比学习，计算全局预测头与由前向继承模块生成的中间预测头之间的对比损失，并结合监督学习损失构建联合损失，若联合损失小于阈值，则训练完毕，得到针对本地动态异构特征的个性化异常检测模型，将本地实时道路数据输入该模型得到本地实时道路检测状态； 前向继承模块中，中间预测头生成的过程，具体如下： B1、超网络输入阶段： 超网络的输入包括节点上一轮的本地预测头以及历史预测头参数： 其中，HN表示超网络函数，堆叠的历史参数向量是其唯一输入源，这些历史参数携带了之前轮次的知识，超网络通过解析其特征分布，生成当前轮次的中间预测头； 在每轮次中，本地预测头参数会被存储并添加到历史记录中，更新为： 其中，是节点Ci在第t轮次的历史参数堆叠集合；超网络将堆叠集合作为输入，动态调整权重以生成新的中间预测头参数； B2、中间预测头生成阶段： 在获取历史参数堆叠后，超网络通过以下步骤生成中间预测头： 超网络对堆叠的历史参数进行编码，通过一个多层感知机提取出高阶特征： 其中，Zi是提取的高阶特征表示，包含了历史参数的全局和局部特征； 超网络根据高阶特征Zi动态分配历史参数的重要性权重： 其中，w是分配给第j轮次历史参数的权重，W和b是超网络的可学习参数；Softmax函数确保权重归一化，使得Σw=1； 超网络利用动态权重对历史参数进行加权求和，生成中间预测头： 、前向记忆与动态调整阶段： 前向继承模块引入平滑调整机制，在生成中间预测头时平衡历史与当前参数的影响； 其中，为平滑系数，用于控制历史参数在当前轮次的影响程度。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。