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！

龙图腾网获悉同济大学申请的专利一种面向增量数据的个性化联邦学习方法及装置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：CN119808889B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202411787719.4，技术领域涉及：G06N3/098；该发明授权一种面向增量数据的个性化联邦学习方法及装置是由王洁;单超设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种面向增量数据的个性化联邦学习方法及装置在说明书摘要公布了：本申请涉及联邦学习技术领域，具体而言，涉及一种面向增量数据的个性化联邦学习方法及装置，一定程度上可以解决传统联邦学习在处理增量数据和个性化能力方面的不足的问题。该方法包括：在模型训练过程中引入权重衰减正则项，通过对模型参数施加正则化约束，防止模型过拟合，提升模型的泛化能力，通过融合元学习的思想，利用内外循环机制进行模型训练，在外循环中进行个性化算法的迭代，使得模型能够更快适应新的增量数据，提高训练效率和模型性能，提高了模型的实时性和适应性，通过个性化算法迭代，使得每个客户端的模型都能根据自身特性进行优化，提升模型在不同客户端上的适配性和准确性。

本发明授权一种面向增量数据的个性化联邦学习方法及装置在权利要求书中公布了：1.一种面向增量数据的个性化联邦学习方法，其特征在于，包括： 基于内循环对全局模型进行训练，并通过加入权重衰减正则项优化所述全局模型，包括： 通过服务器初始化全局模型参数，并将所述全局模型参数发送给所有客户端； 每个客户端在接收到当前的全局模型参数后，使用其本地存量数据集进行模型训练； 客户端将更新后的本地模型参数上传至服务器； 服务器接收所有客户端的模型参数后，通过加权平均或简单平均方法进行聚合，得到更新后的全局模型参数； 服务器将新的全局模型参数分发给各客户端，开始下一轮训练； 基于外循环增量训练数据进行个性化模型优化训练，包括： 每个客户端在接收到全局模型参数后，进行个性化模型优化训练，将本地模型的参数更新为全局模型参数； 客户端使用本地增量数据集进行训练； 客户端需要选择较小的学习率，以确保微调过程稳定且不会破坏预训练权重； 客户端进行较少次数的训练，以防止过拟合； 每个客户端根据本地增量数据集进行模型微调，使用标准的反向传播算法调整模型权重； 在模型训练完成后，客户端使用本地验证集评估微调后的个性化模型的性能，根据评估结果，客户端可以决定是否需要进一步循环迭代调整模型参数； 将所述面向增量数据的个性化联邦学习方法应用于保险数据中心，包括： 所述保险数据中心在各自的数据中心内部进行本地计算，计算出相应的模型参数； 当本地计算完成后，所述保险数据中心会将通过加密技术进行处理后的计算结果发送给专门的聚合服务器，聚合服务器使用联邦学习动态权重聚合的方法对这些来自不同数据中心的结果进行处理，从而生成一个全局模型，将所述全局模型发送回各个参与方； 各个参与方在接收到这个全局模型之后，对收到的梯度进行加密处理，确保数据的安全性和隐私性； 使用解密后的梯度结果对各自的数据中心内部的模型参数进行更新，各方得到最终的全局模型； 当各方得到这个最终的全局模型并获得增量数据时，将所述增量数据在已经构建好的全局模型的基础上进行个性化的训练，在个性化训练的过程中，模型根据不同的数据特点和业务需求进行调整和优化，最终得到能够满足各自特定需求的个性化本地模型。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。