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！

龙图腾网获悉哈尔滨工程大学申请的专利一种结合设备聚类和提前梯度聚合的高效分割联邦边缘学习方法、程序、设备及存储介质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：CN119721292B 。

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：202411781011.8，技术领域涉及：G06N20/00；该发明授权一种结合设备聚类和提前梯度聚合的高效分割联邦边缘学习方法、程序、设备及存储介质是由玄世昌;张浩然;宁钰杰;苘大鹏设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种结合设备聚类和提前梯度聚合的高效分割联邦边缘学习方法、程序、设备及存储介质在说明书摘要公布了：本发明属于分割联邦学习技术领域，具体涉及一种结合设备聚类和提前梯度聚合的高效分割联邦边缘学习方法、程序、设备及存储介质。本发明设计的基于设备聚类的模型分割算法，将能力相似的设备分配到同一组，组内所有设备采用相同的模型分割策略，从而使中间服务器仅需保存一份服务器端模型，降低了中间服务器的负载。本发明设计的基于提前梯度聚合的局部模型聚合算法，使中间服务器只需要保存一份服务器端模型，从而大幅降低了内存消耗，缓解由于设备不稳定性和设备间模型同步带来的通信延迟，从而提升了模型训练效率。

本发明授权一种结合设备聚类和提前梯度聚合的高效分割联邦边缘学习方法、程序、设备及存储介质在权利要求书中公布了：1.一种结合设备聚类和提前梯度聚合的高效分割联邦边缘学习方法，其特征在于，包括以下步骤： 步骤1：中心服务器执行基于设备聚类的模型分割算法，将所有设备进行分组，并为每个组制定适配的模型分割策略； 中心服务器与多组中间服务器连接，各中间服务器分别连接多组设备，每组设备仅与一组中间服务器连接； 步骤2：各设备利用本地数据执行客户端模型前向传播，并将模型分割层激活值及对应的标签上传至与其相连的中间服务器； 步骤3：各中间服务器执行基于提前梯度聚合的局部模型聚合算法，更新服务器端模型，并将聚合梯度返回至与其相连的各设备； 步骤3.1：中间服务器在聚合时间窗口内接收并拼接与其相连设备上传的模型分割层激活值，生成输入激活矩阵； 步骤3.2：中间服务器根据输入激活矩阵执行服务器端模型的前向和反向传播，计算得到服务器端模型梯度，根据各设备上传的模型分割层激活值匹配其对应的梯度，并执行梯度平均聚合，得到聚合梯度； 其中，表示在本轮联邦学习的第t次迭代计算中，与第m组中间服务器相连的第i个设备分配到的梯度；表示在本轮联邦学习的第t次迭代计算中，与第m组中间服务器相连的第i组设备上传的模型分割层激活值，i＝1,2,...,Im，为服务器端模型梯度； 执行梯度平均聚合，得到聚合梯度 步骤3.3：中间服务器使用聚合梯度更新服务器端模型，并返回至与其相连的各设备，同时动态调整下一次迭代计算中的聚合时间窗口；Im表示与第m组中间服务器相连的设备总数； 步骤4：各设备使用聚合梯度执行客户端模型反向传播； 步骤5：各设备与中间服务器完成本地数据的遍历后，将各自的模型上传至中心服务器； 步骤6：中心服务器对所有设备和中间服务器上传的模型执行全局平均聚合，得到全局模型；并根据各组的模型分割策略对全局模型进行切分，将相应的模型部分返回至各设备和中间服务器； 步骤7：所有设备和中间服务器根据中心服务器返回的部分全局模型更新各自的模型； 步骤8：重复步骤2至步骤7，直至全局模型收敛，完成本轮联邦学习。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。