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！

龙图腾网获悉北京邮电大学申请的专利一种基于特征蒸馏和类原型的联邦类增量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：CN119026006B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411085596.X，技术领域涉及：G06F18/2411；该发明授权一种基于特征蒸馏和类原型的联邦类增量学习方法是由田辉;刘珂妍;田洋;聂高峰;范绍帅设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本一种基于特征蒸馏和类原型的联邦类增量学习方法在说明书摘要公布了：本发明涉及一种基于特征蒸馏和类原型的联邦类增量学习方法，该方法包括初始化训练阶段和增量学习阶段。在初始化训练阶段，即用户首次接收到任务时，系统利用交叉熵损失函数训练本地模型；当用户任务发生更新时，系统进入增量学习阶段，在初始化训练的基础上，加入保留旧知识的增量学习策略。该增量学习策略包括：针对本地特征提取器的特征蒸馏策略、针对本地分类器的原型增强策略、针对聚合后模型的微调策略以及针对类原型的更新策略。本发明在本地无需存储旧数据的情况下，通过让本地用户和服务器共同参与训练，有效缓解了联邦学习系统面对动态数据流时产生的灾难性遗忘，提升了模型对新旧数据的识别性能。

本发明授权一种基于特征蒸馏和类原型的联邦类增量学习方法在权利要求书中公布了：1.一种基于特征蒸馏和类原型的联邦类增量学习方法，步骤包括： S1用户第一次接收到任务t时，进入初始化训练阶段，包括如下步骤： S1.1服务器初始化训练模型并下发给用户； S1.2用户k对本地数据集进行本地训练得到初始本地模型后，将其上传至服务器； S1.3服务器收集初始本地模型进行聚合，得到初始全局模型ωt,r后下发至用户，进行下一轮次r的本地训练； S1.4循环执行S1.2-S1.3，迭代更新初始全局模型ωt,r至性能收敛，任务t的本地训练结束，得到初始模型ωt； S2计算各类别c的类原型及原型增强幅度利用类原型进行本地样本数据的选取，向服务器上传类原型集和本地样本数据，所述原型增强幅度保存在用户本地； S3服务器聚合类原型集得到全局类原型集{ec}；服务器收集所述本地样本数据，构建共享数据集S； S4用户接收到新任务时，系统进入增量学习阶段，包括如下步骤： S4.1服务器冻结前一任务迭代更新至性能收敛后得到的模型作为旧模型，在所述旧模型副本的全连接层添加|Cnew|个神经元节点，作为新任务的新分类模型，将旧模型、新分类模型和全局类原型集{ec}下发给用户；所述新分类模型具有|Cnew|+|Cold|个输出节点，|Cold|为旧类别总量，|Cnew|为新类别数量； S4.2用户对新分类模型利用特征蒸馏和原型增强策略进行本地训练，得到新本地模型后，上传至服务器； S4.3服务器收集新本地模型，进行聚合操作，得到新全局模型； S4.4服务器基于共享数据集S对新全局模型分类器进行微调，将微调后的新全局模型下发给用户，进行下一轮次的本地训练； S4.5循环执行S4.2-S4.4，迭代更新所述新全局模型至性能收敛，得到新模型； S5用户计算新类别的新类原型以及新类原型增强幅度，利用新类原型进行新类样本数据的选取，向服务器上传新类原型和新类样本数据； S6服务器进行新类原型的聚合，得到新类全局类原型，补充S3所述全局类原型集{ec}，服务器收集所述新类样本数据，补充共享数据集S，同时服务器基于共享数据集更新旧类别的全局类原型。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。