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业大学申请的专利一种基于数据增强的联邦学习方法和系统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：CN116822621B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310906570.6，技术领域涉及：G06N3/098；该发明授权一种基于数据增强的联邦学习方法和系统是由张浩;侯青莹;程思瑶;刘劼设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本一种基于数据增强的联邦学习方法和系统在说明书摘要公布了：一种基于数据增强的联邦学习方法和系统，涉及联邦学习技术领域。解决针对目前很少有专门针对联邦学习环境进行有效的数据增强的研究,其中典型代表FedMix是将MixUp应用到联邦学习环境中的方法，然而其仅适用于交叉熵损失函数，具有较大的局限性的问题。所述方法包括：计算每个参与方的平均样本；根据所述平均样本构建平均样本集合；参与方将平均样本集合发送给服务器；服务器采用基于邻域扩展的MixUp的联邦学习算法训练样本集合中样本和全局模型，并更新参与方参数；对所述更新的参与方参数进行聚合，得到全局聚合模型的参数。本发明应用于通信领域。

本发明授权一种基于数据增强的联邦学习方法和系统在权利要求书中公布了：1.一种基于数据增强的联邦学习方法，其特征在于，所述方法包括： 计算每个参与方的平均样本； 根据所述平均样本构建平均样本集合； 参与方将平均样本集合发送给服务器； 服务器采用基于邻域扩展的MixUp的联邦学习算法训练样本集合中样本和全局模型，并更新参与方参数； 对所述更新的参与方参数进行聚合，得到全局聚合模型的参数； 所述计算每个参与方的平均样本，包括： 将参与方本地数据进行划分，计算所述划分后参与方的平均样本： 设参与方总体样本量为||，共享的平均样本数量为，则将样本集划分为份，求得每份的平均样本，得到个平均样本，构成的集合记为，将这些平均样本共享给其他参与方，实现MixUp机制： 其中，J为参与方1收到参与方2一个批次的样本，为损失函数， 所述采用基于邻域扩展的MixUp的联邦学习算法训练样本集合中样本和全局模型，并更新参与方参数，包括： 采用基于单边邻域扩展的MixUp的联邦算法FedM-UNE计算训练样本的损失函数： 其中，,为参与方一在小批量中的单个样本，,为从平均样本集合中随机抽取的某个平均样本，超参数表示,与,的混合程度； 采用基于双边邻域扩展的MixUp的联邦学习算法FedM-BNE计算训练样本的损失函数： 根据FedM-UNE和FedM-BNE更新参与方参数。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。