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！

龙图腾网获悉浙江工商大学;浙大城市学院;西安电子科技大学申请的专利一种面向类别重叠场景的动态联邦持续学习方法及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：CN119862941B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510348109.2，技术领域涉及：G06N3/098；该发明授权一种面向类别重叠场景的动态联邦持续学习方法及系统是由任思琪;王梦果;韩嵩;马建峰;赵帅;马文瑞;洪海波;丁俞谷;叶浩;韩跃宇;赵金宇;畅龙涛;李贤君设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种面向类别重叠场景的动态联邦持续学习方法及系统在说明书摘要公布了：本发明公开了一种面向类别重叠场景的动态联邦持续学习方法及系统。本发明采用生成模型来生成数据模拟旧任务数据全局分布特征，保证了训练过程中数据的隐私性；训练本地模型确保了合成数据的有效性。此外，本发明通过筛选无过时信息的合成数据，实现对动态数据分布的快速适应和对旧类别信息的准确保留。本发明具有模型适配性强、抗遗忘能力高、计算开销低等优势，适用于分布式智能设备的多场景应用。

本发明授权一种面向类别重叠场景的动态联邦持续学习方法及系统在权利要求书中公布了：1.一种面向类别重叠场景的动态联邦持续学习方法，应用于分布式智能设备，其特征在于，包括以下步骤： 服务器初始化全局模型，作为第一个任务的初始模型，并将其模型参数下发至客户端； 客户端利用当前任务私有数据，采用梯度下降法更新本地模型参数，完成固定轮次迭代后，将更新后的参数上传至服务器，在完成初始任务训练的最后一次上传时，同时计算每个类别对应的特征均值和方差并上传； 服务器初始化生成模型，依据初始条件标签和高斯分布噪声生成初始合成数据；接收上个任务训练好的全局模型以及客户端的特征均值与方差后，计算特征均值和方差与损失函数训练生成模型，所述生成模型用于模拟旧任务数据全局分布特征的合成数据； 客户端基于更新后的全局模型，利用新任务的真实数据得到各个类别的特征均值向量并上传，服务器聚合得到全局均值，比较重叠类别的合成数据与对应全局均值的偏差度，删除偏差度高的合成数据； 服务器将处理后的合成数据下发给客户端，客户端利用当前任务的私有数据与处理后的合成数据更新本地模型参数，再上传更新后的参数，服务器再次聚合这些参数更新全局模型，随后不断重复从特征统计信息上传到模型更新聚合的步骤，实现持续学习； 计算特征均值和方差与损失函数训练生成模型，公式为： 为客户端上传的类别c的特征均值和方差，为合成数据类别c的特征均值和方差，K为客户端的总数； 对每个类别，再选出损失最大的客户端k*： 计算特征损失： 之后通过损失函数Lg更新生成模型参数: Lg＝Lbn+β·Lfeature 其中，为批量归一化损失，μi和σi是生成数据的均值和方差，μ*和σ*为真实数据的目标统计量，β为权重系数，Lfeature是用于训练生成模型的特征损失。

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工商大学;浙大城市学院;西安电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区学正街18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。