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！

龙图腾网获悉广东工业大学申请的专利一种无线网络下面向物联网终端设备的联邦学习系统的半中心化边缘联邦分割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：CN120952109B 。

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：202511132654.4，技术领域涉及：G06N3/098；该发明授权一种无线网络下面向物联网终端设备的联邦学习系统的半中心化边缘联邦分割学习方法是由蒋丽;罗川柏;刘浩贤;罗修鑫;刘义;谢胜利设计研发完成，并于2025-08-13向国家知识产权局提交的专利申请。

本一种无线网络下面向物联网终端设备的联邦学习系统的半中心化边缘联邦分割学习方法在说明书摘要公布了：本发明公开了一种无线网络下面向物联网终端设备的联邦学习系统的半中心化边缘联邦分割学习方法。该方法包括以下步骤：建立待训练模型；将待训练模型拆分为服务器端第一模型、客户端第一模型；将客户端第一模型分配到待训练客户端组中的每个客户端；对每个客户端第一模型进行训练，得到每个客户端对应的客户端第二模型、第一梯度；根据多个第一梯度，更新服务器端第一模型，得到服务器端第二模型、服务器端第二模型特征；根据所述服务器端第二模型特征，更新每个客户端第二模型，得到待训练设备组中每个客户端对应的客户端第三模型；重复执行；选取多个客户端第三模型中符合第一条件的模型进行聚合，得到经聚合后的客户端第三模型；将所述经聚合后的客户端第三模型和服务器端第二模型组合，得到训练好的模型。本发明具有算力消耗小、训练时延小的特点。

本发明授权一种无线网络下面向物联网终端设备的联邦学习系统的半中心化边缘联邦分割学习方法在权利要求书中公布了：1.一种无线网络下面向物联网终端设备的联邦学习系统的半中心化边缘联邦分割学习方法，其中，面向物联网终端设备的联邦学习系统包括一个服务端、待训练客户端组；所述待训练客户端组包括多个客户端，其特征在于，半中心化边缘联邦分割学习方法，包括： S1：建立待训练模型； S2：将待训练模型拆分为服务器端第一模型、客户端第一模型； S3：将客户端第一模型分配到待训练客户端组中的每个客户端； S4：对每个客户端第一模型进行训练，得到每个客户端对应的客户端第二模型、第一梯度； S5：根据多个第一梯度，更新服务器端第一模型，得到服务器端第二模型、服务器端第二模型特征； S6：根据所述服务器端第二模型特征，更新每个客户端第二模型，得到待训练客户端组中每个客户端对应的客户端第三模型； S7：判断是否达到第一终止条件；若是，则执行步骤S8；若否，将待训练客户端组中每个客户端对应的客户端第三模型作为待训练客户端组中每个客户端的新的客户端第一模型，将服务器端第二模型作为新的服务器端第一模型，则执行步骤S4； S8：选取多个客户端第三模型中符合第一条件的模型进行聚合，得到经聚合后的客户端第三模型； S9：将所述经聚合后的客户端第三模型和服务器端第二模型组合，得到训练好的模型； 步骤S6中，根据所述服务器端第二模型，更新每个客户端第二模型，得到待训练客户端组中每个客户端对应的客户端第三模型，包括： 表示客户端n的客户端第三模型，表示客户端n的客户端第二模型，表示客户端n根据服务器端第二模型特征反向传播得到的局部梯度； 反向传播中对客户端中数据对的损失函数的计算公式如下： 表示分类损失，表示重构损失，表示重构权重；C表示分类样本数，表示真实标签，表示预测为分类c的概率，表示服务器端第二模型特征，表示输入数据，表示结构相似性指数；通过测量原始图像和重建图像之间的相似性获得； 步骤S2中，所述将待训练模型包括：首尾相接的a个特征提取模块、一个全连接模块； 所述客户端第一模型包括待训练模型中前b个特征提取模块，所述服务器端第一模型包括待训练模型中后a-b个特征提取模块和一个全连接模块； 客户端负责前半部分特征提取，输出中间特征图；服务器负责后半部分特征处理及分类输出，同时重构分支基于中间特征图重建输入图像。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。