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！

龙图腾网获悉陕西师范大学申请的专利基于异构联邦学习的聚合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：CN118966285B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411058578.2，技术领域涉及：G06N3/0464；该发明授权基于异构联邦学习的聚合方法是由姚超;王浩晨;冯龙超设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本基于异构联邦学习的聚合方法在说明书摘要公布了：一种基于异构联邦学习的聚合方法，包括数据预处理；构建网络框架；构建Alexnet网络；训练Alexnet网络；测试Alexnet网络。本发明训练Alexnet网络过程中通过优化的梯度聚合策略和动态调整学习率，可以加速模型的训练过程，使模型更快地收敛到理想状态，并且允许不同来源的数据参与模型训练，打破了数据孤岛，促进了数据的共享和利用，能够根据参与者的实际计算能力分配合适的批大小和学习率，优化了计算资源的利用，避免了资源浪费。

本发明授权基于异构联邦学习的聚合方法在权利要求书中公布了：1.一种基于异构联邦学习的聚合方法，其特征在于，包括以下步骤： 步骤1.数据预处理获取数据集并归一化处理后，按比例划分为训练集和测试集； 步骤2.构建网络框架确定网络框架的分布式参与者数量N，根据数据的分布Non_IID假设为每个参与者分配训练集中的数据； 步骤3.构建Alexnet网络Alexnet网络模型由网络块1、网络块2、网络块3、网络块4、网络块5、网络块6依次相连构成，所述网络块1和网络块2及网络块5均由依次连接的卷积层、激活函数单元、最大池化层构成；所述网络块3和网络块4均由依次连接的卷积层、激活函数单元构成；所述网络块6由3层全连接层和2个激活函数单元构成，每两全连接层之间通过激活函数单元相连； 步骤4.训练Alexnet网络步骤4.1.每个参与者将各自的数据送入Alexnet网络中进行训练，得到各自的网络模型，每个参与者的初始学习率均为α； 步骤4.2.每个参与者将训练过程中得到的梯度参数上传至中心服务器，中心服务器聚合所用参与者的梯度参数，计算全局梯度，并更新全局模型； 所述中心服务器聚合所用参与者的梯度参数的方法为： 中心服务器设定批大小阈值，将训练数据量＞批大小阈值的参与者划分为A类，将训练数据量≤批大小阈值的参与者划分为a类，分别根据两类参与者的梯度参数计算两类参与者的平均模长，并得到倍率β＝mavgsmavgb，mavgs是a类所有参与者的平均模长，mavgb是A类所有参与者的平均模长；通过将A类参与者的梯度参数与倍率β相乘的方式更新A类参与者的梯度参数，a类参与者的梯度参数不变，完成聚合； 步骤4.3.中心服务器将更新后的全局模型下发作为下次训练的初始模型； 步骤4.4.重复步骤4.1～4.3，直至网络模型收敛，保存网络模型的参数； 步骤5.测试Alexnet网络将测试集输入到Alexnet网络中进行测试，计算并记录准确率ACC。

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陕西师范大学，其通讯地址为：710062 陕西省西安市长安南路199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。