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！

龙图腾网获悉平安科技(深圳)有限公司申请的专利基于联邦学习的梯度量化方法、装置、设备及存储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：CN116739107B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310684605.6，技术领域涉及：G06N20/00；该发明授权基于联邦学习的梯度量化方法、装置、设备及存储介质是由李泽远;王健宗设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本基于联邦学习的梯度量化方法、装置、设备及存储介质在说明书摘要公布了：本发明涉及人工智能技术领域，尤其涉及一种基于联邦学习的梯度量化方法、装置、设备及存储介质。上述方法应用于医疗领域，梯度量化方法应用于客户端，根据训练任务，下载对应待训练的初始模型，基于客户端中的本地数据，对初始模型进行训练，得到第一训练模型，对每个客户端中的第一训练模型的参数进行压缩，得到当前次训练的压缩结果，若压缩结果满足上传条件，向服务端发送压缩结果，本发明中，根据每个客户端的压缩参数进行梯度量化，可以使每个客户端基于压缩参数对梯度参数进行动态压缩，以便于每个客户端在进行梯度量化的过程中进行动态调整，从而提高梯度量化的精度。

本发明授权基于联邦学习的梯度量化方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于联邦学习的梯度量化方法，其特征在于，所述梯度量化方法应用于客户端，所述梯度量化方法包括： 获取服务端发送的训练任务，根据所述训练任务，下载对应待训练的初始模型； 基于所述客户端中的本地数据，对所述初始模型进行训练，得到当前次训练对应的第一训练模型，根据预设压缩规则对所述客户端中的所述第一训练模型的参数进行压缩，得到第一训练模型对应的压缩参数； 所述根据预设压缩规则对每个客户端中的所述第一训练模型的参数进行压缩，得到第一训练模型对应的压缩参数，包括： 获取所述客户端的当前次训练时的损失函数与所述客户端的当前次训练时的学习速率； 基于所述客户端的当前次训练时的损失函数与所述客户端的当前次训练时的学习速率，计算所述第一训练模型的压缩参数； 压缩参数的计算公式如下式： 其中，表示第m个客户端在第K次训练迭代后的压缩参数，为第m个客户端在第K次训练迭代后得到的第一模型对应的损失函数，为第次训练迭代的中央模型学习速率，为初始模型的初始学习速率，为每个客户端中初始模型对应的初始压缩参数； 基于所述压缩参数，对所述第一训练模型的参数进行压缩，得到当前次训练的压缩结果，所述压缩结果包括梯度量化对应的量化值与量化值变化率； 若检测到所述压缩结果满足上传条件，向所述服务端发送所述压缩结果，所述上传条件为若检测到所述客户端上一次向所述服务端发送所述压缩结果对应的训练次数与当前次训练对应的训练次数的差值小于第一预设阈值，且所述量化值变化率大于第二预设阈值。

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平安科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼；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。