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！

龙图腾网获悉北京邮电大学深圳研究院申请的专利一种基于非可靠传输协议的联邦训练加速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：CN116708200B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310719831.3，技术领域涉及：H04L41/14；该发明授权一种基于非可靠传输协议的联邦训练加速方法是由徐梦炜;袁进良;王仕和;张乙然;周傲;王尚广;李瑞东;赵坤设计研发完成，并于2023-06-17向国家知识产权局提交的专利申请。

本一种基于非可靠传输协议的联邦训练加速方法在说明书摘要公布了：本发明涉及机器学习和计算机网络技术领域，且公开了一种基于非可靠传输协议的联邦训练加速方法，通过设计基于拥塞反馈的非可靠层传输算法解决不确定性丢包下如何最大化完整层的接收率；通过设计一个基于层参数的联邦冻结训练框架保证在参数丢失下联邦训练的模型精度无损。该基于非可靠传输协议的联邦训练加速方法，设计了一种基于非可靠传输协议的可穿戴联邦训练加速技术。其关键思想是直接忽略这些网络侧丢失的参数，而不是对网络传输协议进行复杂的检测和重传操作，从而大大提高端到端网络吞吐量；然后，基于机器学习训练的参数冗余特性，接收端用前一轮参数替换网络丢包，并采用层冻结训练技术实现联邦学习在参数丢失下的高精度训练。

本发明授权一种基于非可靠传输协议的联邦训练加速方法在权利要求书中公布了：1.一种基于非可靠传输协议的联邦训练加速方法，其特征在于：通过设计基于拥塞反馈的非可靠层传输算法解决不确定性丢包下如何最大化完整层的接收率；其次，通过设计一个基于层参数的联邦冻结训练框架保证在参数丢失下联邦训练的模型精度无损； 主要包含以下步骤： S1、服务器初始化； S2、服务器下发模型参数； S3、终端层冻结训练本地模型； S4、终端上传模型参数更新； S5、服务器聚合终端模型得到全局更新的模型； 服务器初始化： 云服务器针对某个联邦学习任务首先随机初始化一个全局浮点数模型，这个模型由云和参与联邦学习训练的终端共同更新； 云服务器遵循传统联邦学习的策略随机选择参与联邦训练的终端； 云服务器为每个设备上的模型训练指定统一的参数； 服务器下发模型参数： 云服务器基于延时梯度和丢包率进行网络拥塞状态探测，获得当前状态：S1拥塞发生且会持续一段时间，S2拥塞没有发生且短时间内不会发生； 云服务器将模型参数按层的结构及其数据大小信息缓存在发送队列； 云服务器的发射控制器根据当前的拥塞状态，选择数据大小最匹配的层发送：如果拥塞状态是S1，发送数据量更大的层；如果拥塞状态是S2，发送数据量更小的层； 终端层冻结训练本地模型： 终端收到云服务器下发的层，由于在具有数据丢失的网络条件下，终端只能接收到部分完整的层，采用上一轮训练相应位置的参数填补缺失的层； 填补缺失的层后，这些参数层被冻结，即它们仅参与前向传播过程；这些层的参数在反向传播过程中不会被更新，以防止这些旧参数对全局模型更新产生影响。

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邮电大学深圳研究院，其通讯地址为：518000 广东省深圳市南山区粤海街道高新科技园南区虚拟大学园楼A210；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。