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！

龙图腾网获悉重庆长安汽车股份有限公司申请的专利基于车联网的拆分联邦学习方法、系统及计算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：CN120258176B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510759950.0，技术领域涉及：G06N20/00；该发明授权基于车联网的拆分联邦学习方法、系统及计算设备是由汪向阳;罗薇;张磊;陈里杰设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本基于车联网的拆分联邦学习方法、系统及计算设备在说明书摘要公布了：本发明涉及车联网技术领域，公开了基于车联网的拆分联邦学习方法、系统及计算设备，本发明车辆端利用云端分发的本地模型，提取数据特征并上传至云端。云端利用数据特征对所有车辆端进行聚类，捕捉车辆端数据的非独立同分布特性，再对每个聚类簇的簇模型进行簇内训练，计算用于更新簇模型的第一梯度更新参数并将其下发至相应的车辆端。车辆端无需本地训练，即可结合第一梯度更新参数和数据特征计算第二梯度更新参数，来实现本地模型的更新，降低车辆端本地计算和通信需求，实现全局模型的协同训练，应用场景更加广泛。最后，云端聚合所有车辆端更新后的本地模型，生成聚合模型并在训练结束后部署到车辆端，以便车辆端进行数据采集工作。

本发明授权基于车联网的拆分联邦学习方法、系统及计算设备在权利要求书中公布了：1.一种基于车联网的拆分联邦学习方法，其特征在于，所述方法包括： 步骤1.1，云端按照所有车辆端的平均计算负载，动态调整预设完整模型的分割点，将预设完整模型动态分割为第一模型和第二模型； 步骤1.2，云端将第二模型作为首轮训练中适用于车辆端的本地模型，向所有车辆端广播初始化的本地模型； 步骤1.3，云端构建相似度矩阵，并对相似度矩阵进行初始化； 步骤2.1，车辆端基于本地数据对本地模型执行前向传播计算，计算高维数据特征； 步骤2.2，车辆端通过编码器将高维数据特征映射至低维特征空间，以将高维数据特征压缩为低维数据特征； 步骤2.3，车辆端利用编码器F对应的解码器对压缩后的低维数据特征进行重建，生成近似于高维数据特征的重建特征； 步骤2.4，在每一轮训练过程中，车辆端计算方差损失函数，通过在多轮训练中最小化方差损失函数，优化编码器F和解码器G的参数； 步骤2.5，车辆端将解码器G、低维数据特征和本地数据的标签上传至云端； 步骤3.1，云端使用解码器G对低维数据特征进行重建，得到重建特征； 步骤3.2，云端通过计算车辆端两两之间的相似度，对相似度矩阵进行维护，并利用相似度矩阵对所有车辆端进行聚类，得到多个聚类簇； 当有新的第二车辆端加入时，云端计算第二车辆端与现有车辆端的余弦相似度，若第二车辆端与现有车辆端的余弦相似度中的最大余弦相似度超过设定的相似度阈值，则将第二车辆端分配至车辆端所在的聚类簇；否则，创建一个含有第二车辆端的新的聚类簇； 当第一车辆端退出时，删除第一车辆端在相似度矩阵中对应的条目，并对受影响的聚类簇进行重新评估，以确定是否满足合并或拆分条件；云端对于满足合并条件即的个聚类簇，采用联邦平均算法生成新的聚类簇的簇模型，其中，为设定的合并阈值； 云端对于满足拆分条件的聚类簇，计算移除第一车辆端后的平均簇内平方和，若，则将第一车辆端标记为移除，重复上述过程，直至不存在能够进一步降低平均簇内平方和的第一车辆端为止，其中，表示聚类簇的簇内平方和； 步骤4.1，云端为车辆端分配唯一的簇标识符，确定第t轮训练中聚类簇对应的簇模型，并维护； 步骤4.2，云端根据车辆端的簇标识符，为车辆端的本地模型和车辆端所属聚类簇的簇模型建立动态绑定关系，即，确保车辆端仅与所属聚类簇的簇模型进行协同训练； 步骤5.1，云端针对每个聚类簇执行簇内训练，对于聚类簇中的每个车辆端，基于重建特征对簇模型执行前向传播计算，得到预测值，其中，表示对簇模型执行前向传播计算； 通过损失函数L评估预测偏差： 其中，表示预测值和本地数据的标签之间的偏差值； 并执行反向传播计算第一梯度更新参数，利用第一梯度更新参数更新聚类簇的簇模型；根据如下公式计算第一梯度更新参数： 其中，表示聚类簇在第轮训练中的第一梯度更新参数，表示第轮训练中聚类簇对应的簇模型； 云端将第一梯度更新参数下发至聚类簇中的车辆端； 步骤5.2，车辆端接收云端发送的第一梯度更新参数，计算本地模型更新所需的第二梯度更新参数，利用第二梯度更新参数更新本地模型；第二梯度更新参数的计算公式如下： 其中，表示车辆端在第轮训练中的第二梯度更新参数，表示第轮训练中车辆端的本地模型，为车辆端的高维数据特征，为第轮训练中车辆端的本地模型，表示对本地模型执行前向传播计算； 步骤5.3，云端接收全部车辆端更新后的模型参数，采用联邦平均算法生成聚合模型 步骤5.4，将聚合模型发送至各车辆端，作为下一轮训练的初始化基准，完成联邦学习闭环；最后一轮训练得到的聚合模型用于部署到所有车辆端； 重复上述步骤2.1至步骤5.4直到达到训练的最大迭代次数

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重庆长安汽车股份有限公司，其通讯地址为：400023 重庆市江北区建新东路260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。