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！

龙图腾网获悉北京理工大学申请的专利一种用于任意客户端退出问题的模型对比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：CN118821976B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202410950911.4，技术领域涉及：G06N20/20；该发明授权一种用于任意客户端退出问题的模型对比联邦学习方法是由胡晗;任心远;安旭溟;宋凯峰;付莹设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本一种用于任意客户端退出问题的模型对比联邦学习方法在说明书摘要公布了：本发明公开的一种用于任意客户端退出问题的模型对比联邦学习方法，属于边缘智能计算技术领域。本发明实现方法为：在联邦学习本地训练阶段针对活跃客户端，构建加入正则项的模型对比模块，减小全局目标向局部目标的偏移；针对退出客户端，采用历史更新延用策略，保证退出客户端对全局更新的贡献度。在全局模型更新阶段，采用加权聚合模块，先对本轮次的客户端的更新量按贡献度加权聚合，通过给予普遍性数据更大的权重，防止错误数据或个性化数据对模型性能的负面影响；利用该加权聚合模块对该轮次局部更新的加权聚合量与上一轮次全局更新加权聚合，融合历史全局更新量，提升全局模型收敛速度，增强全局模型对数据异质性的鲁棒性。

本发明授权一种用于任意客户端退出问题的模型对比联邦学习方法在权利要求书中公布了：1.一种用于任意客户端退出问题的模型对比联邦学习方法，其特征在于：包括以下步骤， 步骤一：由一个中心服务器和N个客户端构成跨设备联邦学习系统，其中N个客户端表示为客户端i的本地数据集表示为所有客户端的数据集集合定义为客户端协作训练一个具有M个可调参数的网络模型训练网络模型的目标是在不交换原始数据的前提下，中心服务器采用经验风险最小化方法实现最小化所有客户端在数据样本上的损失值，即联邦学习任务的目标是通过各客户端的协作训练使得全局目标损失函数最小化，得到最小化的全局目标损失函数；整个网络模型训练过程总共包括T次通信迭代，在第t∈[T]次迭代中，所有客户端接收来自中心服务器广播的全局模型ωt，并将全局模型ωt作为本地训练的局部模型初始值，即 步骤二：针对活跃客户端通过引入正则项构建模型对比模块；在任意客户端退出的边缘智能网络中断场景中采用对抗策略更新活跃态客户端局部模型，使得全局模型更新方向尽可能地远离活跃态客户端的局部最优解，尽可能接近全局模型最优解方向，减小全局目标向局部目标的偏移；所述局部最优解指局部目标损失函数的最小值；所述全局模型最优解指全局目标损失函数的最小值； 步骤三：在每轮局部模型更新过程中，针对退出客户端，通过采用历史更新延用策略对退出客户端进行局部模型更新，保证退出客户端对全局更新的贡献度，提升全局模型的泛化性和鲁棒性； 步骤四：在全局模型更新阶段，服务器对各客户端的模型更新量进行存储或更新；采用加权聚合模块，先对本轮次的客户端的更新量按贡献度加权聚合，结合不同客户端数据的多样性和质量差异，通过给予普遍性数据更大的权重，防止错误数据或个性化数据对模型性能的负面影响，得到该轮次局部更新的加权聚合量；还利用该加权聚合模块对该轮次局部更新的加权聚合量与上一轮次全局更新加权聚合，得到该轮次的全局模型更新，通过融合历史全局更新量，提升全局模型收敛速度，增强全局模型对数据异质性的鲁棒性；根据全局模型更新对全局模型进行迭代，直至第T轮迭代结束，得到第T轮迭代后的全局模型，将第T轮迭代后的全局模型作为模型对比联邦学习方法训练得到的最终神经网络全局模型。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。