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！

龙图腾网获悉江西师范大学申请的专利一种基于群体动力学的异构标签噪声鲁棒联邦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：CN120996229B 。

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：202511516923.7，技术领域涉及：G06N20/00；该发明授权一种基于群体动力学的异构标签噪声鲁棒联邦学习方法是由曾锦山;袁清;桂鑫锋;林绍波;王尧;舒成利设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本一种基于群体动力学的异构标签噪声鲁棒联邦学习方法在说明书摘要公布了：本申请属于人工智能的联邦学习领域，公开了一种基于群体动力学的异构标签噪声鲁棒联邦学习方法，在每个训练轮次中包括：首先，基于客户端本地模型的预测不确定性值，将客户端划分为轻度噪声、中度噪声和极度噪声三个类别；其次，执行差异化聚合，对轻度噪声客户端的模型进行加权平均生成初步全局模型，并采用客户端感知负向蒸馏策略更新该初步模型，其中对中度噪声和极度噪声客户端施加不同强度的蒸馏惩罚；最后，根据全局模型准确率的轮次间变化，动态调整客户端分类所用的阈值。本发明通过三层分类、差异化聚合和动态阈值调整的结合，实现了对不同噪声等级客户端的精细化和自适应管理，显著提升了模型在复杂噪声环境下的鲁棒性和泛化能力。

本发明授权一种基于群体动力学的异构标签噪声鲁棒联邦学习方法在权利要求书中公布了：1.一种基于群体动力学的异构标签噪声鲁棒联邦学习方法，其特征在于，由服务端计算机执行，在每一联邦学习训练轮次中，包括以下步骤： 客户端分类步骤：基于从多个客户端接收的各个本地模型的预测不确定性值，并依据动态分类阈值，将所述多个客户端划分为至少三个预设类别，所述至少三个预设类别包括轻度噪声类别、中度噪声类别和极度噪声类别； 模型聚合步骤：接收从所述多个客户端上传的更新后的本地模型，并执行差异化聚合以生成更新后的全局模型，所述差异化聚合包括： 基于所述轻度噪声类别的客户端的更新后的本地模型，通过加权平均生成初步全局模型； 基于所述中度噪声类别和极度噪声类别的客户端的更新后的本地模型，采用客户端感知负向蒸馏策略更新所述初步全局模型，其中，将所述初步全局模型作为学生模型，将所述中度噪声和极度噪声类别的客户端本地模型作为教师模型，对所述中度噪声类别的客户端施加第一蒸馏强度以引导所述学生模型适度偏离其预测，对所述极度噪声类别的客户端施加第二蒸馏强度以引导所述学生模型强烈偏离其预测，且所述第二蒸馏强度大于所述第一蒸馏强度； 阈值调整步骤：基于更新后的全局模型与上一轮次全局模型在验证集上的准确率变化，动态调整用于所述客户端分类步骤的所述动态分类阈值，增大或减小所述动态分类阈值的过程，是通过将当前的动态分类阈值更新为所述轻度噪声类别、中度噪声类别和极度噪声类别中客户端的预测不确定性值的特定分位数与调整因子的组合；其中，所述特定分位数包括：用于确定轻度噪声类别与中度噪声类别边界的第一分类阈值，其更新基于所述轻度噪声类别客户端的预测不确定性值的50%分位数；以及，用于确定中度噪声类别与极度噪声类别边界的第二分类阈值，其更新基于所述中度噪声类别客户端的预测不确定性值的75%分位数和所述极度噪声类别客户端的预测不确定性值的90%分位数。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。