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！

龙图腾网获悉厦门理工学院申请的专利切分学习系统及其带宽感知神经子空间压缩方法、装置、设备和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：CN121056525B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511556321.4，技术领域涉及：H04L69/04；该发明授权切分学习系统及其带宽感知神经子空间压缩方法、装置、设备和介质是由方震;杨淼;林政;李林;朱顺痣;李建敏;王大寒设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本切分学习系统及其带宽感知神经子空间压缩方法、装置、设备和介质在说明书摘要公布了：本发明提供了一种切分学习系统及其带宽感知神经子空间压缩方法、装置、设备和介质，涉及切分学习技术领域。其中，这种带宽感知神经子空间压缩方法，其包含：获取待压缩数据。根据所述待压缩数据，由自适应秩选择模块基于随机化子空间方法估计张量奇异值谱，并结合能量覆盖阈值、带宽预算与秩上限进行裁剪，获取压缩秩。根据所述待压缩数据、所述压缩秩和上一轮迭代的误差反馈项，由交替正交近似模块交替更新左右因子矩阵，并正交化行和列方向的子空间，获取行和列的子空间正交基和低秩近似。根据所述待压缩数据和所述低秩近似结果，获取当前轮迭代的误差反馈项。其中，所述行和列的子空间正交基为适于发送的压缩后的数据。

本发明授权切分学习系统及其带宽感知神经子空间压缩方法、装置、设备和介质在权利要求书中公布了：1.一种切分学习系统的带宽感知神经子空间压缩方法，其特征在于，包含： 获取待压缩数据； 根据所述待压缩数据，由自适应秩选择模块基于随机化子空间方法估计张量奇异值谱，并结合能量覆盖阈值、带宽预算与秩上限进行裁剪，获取压缩秩； 根据所述待压缩数据、所述压缩秩和上一轮迭代的误差反馈项，由交替正交近似模块交替更新左右因子矩阵，并正交化行和列方向的子空间，获取行和列的子空间正交基和低秩近似；其中，所述行和列的子空间正交基为适于发送的压缩后的数据； 根据所述待压缩数据和所述低秩近似结果，获取当前轮迭代的误差反馈项； 待压缩数据包括待压缩张量和或带宽和或数据精度和或能量覆盖阈值； 自适应秩选择模块适于在单张量以及多层多张量时进行秩选择； 单张量情形，带约束的最优秩选择包括： ； ；式中，为保留前个奇异值时的累计能量；为当前保留的压缩秩；为求和索引，无固定的物理含义，用于在求和过程中遍历某个序列；为第个奇异值；为切分学习中的激活矩阵或梯度矩阵；为矩阵的总能量；为矩阵的行数；为矩阵的列数； 低秩因子化一次通信开销为： ； ； 式中，为当压缩秩为时所需传输的字节数；为单个浮点数的存储字节数，若使用则，若使用或则； 与能量阈值的结合： ； 式中，为满足能量覆盖阈值的最小秩； 连续放松与KKT阈值： ； 式中，为连续放松引入的松弛变量；为单次通信的最大带宽预算； 拉格朗日乘子下的一阶最优性给出边际阈值： ； 式中，为松弛变量的最优解；为拉格朗日乘子； 多层多张量时的联合分配操作为： ； 贪心近似： ； 式中，为第层最终分配的秩；为网络总层数；为第层保留秩时的累计能量；为第层取秩时的通信开销；为多层多张量单次通信的总带宽预算； 为第层实现上的最大可用秩上限；为第层第个奇异方向的单位字节能量收益； 为第层第个奇异值；为第层第个奇异值的平方；表示第层矩阵的行数；表示第层矩阵的列数； 交替正交近似的表达式为： ； ； ；式中，为第轮迭代得到的行的子空间正交基；为正交化；为切分学习中的激活矩阵或梯度矩阵；为上一次迭代的误差反馈项；为上一次迭代得到的列的子空间正交基；为第次迭代得到的列的子空间正交基；表示转置；为第次迭代的低秩近似。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。