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！

龙图腾网获悉北京理工大学申请的专利应用多代价函数的系统异构联邦学习效率提升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：CN115759282B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211322834.5，技术领域涉及：G06N20/00；该发明授权应用多代价函数的系统异构联邦学习效率提升方法是由罗森林;徐泽豪;潘丽敏;杨得山;崔成钢设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本应用多代价函数的系统异构联邦学习效率提升方法在说明书摘要公布了：本发明涉及应用多代价函数的系统异构联邦学习效率提升方法，属于计算机与信息科学技术领域。本发明首先根据建模任务设置初始训练参数，确定参与客户端并进行联邦训练；其次，在新一轮训练前根据客户端数据量、计算性能及通信性能、在当前服务器等待时间内训练完成情况动态构建客户端空闲代价函数和终止代价函数；然后，遍历服务器等待时间的可能取值，最小化所有客户端总代价得到最优等待时间，进而更新训练参数并调整参与客户端；最后，通过多轮联邦训练达到全局模型准确率要求。本发明提出参与客户端的空闲代价和终止代价函数计算方法，将服务器固定的等待时间进行动态调整，有效提升了联邦学习训练效率。

本发明授权应用多代价函数的系统异构联邦学习效率提升方法在权利要求书中公布了：1.应用多代价函数的系统异构联邦学习效率提升方法，其特征在于所述方法包括如下步骤： 步骤1，服务器根据建模任务设置初始训练参数，并向各客户端发出联邦建模请求，空闲客户端响应服务器，服务器生成参与客户端集合，共个客户端； 步骤2，服务器将全局模型下发至各客户端进行训练，开展联邦建模，训练轮次总数为，客户端在建模过程中可根据资源占用情况主动退出或加入联邦建模； 步骤3，在每轮训练中，客户端完成本地训练后向服务器发送数据，服务器收集客户端数据并进行评估，保证收集到足够参数后再聚合模型，否则继续等待； 步骤4，在每轮训练中，服务器遍历，设置集合记录参与联邦建模的个客户端训练及通信总时间，将集合排序后根据完成比例阈值取集合相应位置时间作为初始阈值时间，随后遍历客户端等待时间的可能取值{，根据所有客户端的计算效率、通信效率计算客户端空闲代价，其对应客户端等待时间取值为，根据所有客户端的本地数据量计算客户端终止代价，最小化参与客户端总代价得到最优等待时间，从而重新设置部分训练参数，所述部分训练参数包括服务器等待时间，服务器容忍时间，各客户端训练时间，为不能完成轮训练的客户端调整的训练轮次； 步骤5，重复步骤2至步骤4直到全局模型准确率满足需求，服务器保留训练生成的模型，联邦建模结束。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。