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！

龙图腾网获悉广州大学申请的专利基于粒子群算法的联邦学习优化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：CN116629305B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310583573.0，技术领域涉及：G06N3/006；该发明授权基于粒子群算法的联邦学习优化方法及装置是由陈淑红;揭智勇;王国军;杨家维;吴建明;李汉俊设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本基于粒子群算法的联邦学习优化方法及装置在说明书摘要公布了：本发明提供了一种基于粒子群算法的联邦学习优化方法及装置，其中，方法包括：服务器根据场景确定全局模型的目标需求，初始化全局模型，并将全局模型广播给参与联邦学习的客户端；参与联邦学习的客户端采用粒子群优化算法对所述全局模型进行改进后得到模型更新参数；采用基于模型的权值散度和更新增量的梯度压缩方法，对模型更新参数进行压缩；将压缩后的模型更新参数上传至服务器，服务器在此基础上聚合参与联邦学习的客户端模型参数，基于参与联邦学习的客户端进行训练所用的数据集容量进行赋权，并聚合得到新的全局模型参数。本申请通过客户端模型采用粒子群优化算法，提高联邦学习的训练效率，优化联邦学习通信过程。

本发明授权基于粒子群算法的联邦学习优化方法及装置在权利要求书中公布了：1.一种基于粒子群算法的联邦学习优化方法，其特征在于，包括： S1、服务器根据场景确定全局模型的目标需求，初始化全局模型，并将所述全局模型广播给参与联邦学习的客户端； S2、所述参与联邦学习的客户端收到服务器发送的全局模型后，采用粒子群优化算法对所述全局模型进行改进后得到模型更新参数； 所述S2具体包括： S21、将客户端拥有的模型参数作为一个单独的粒子，以全局模型的结构为基础，对每个客户端拥有的模型参数进行随机初始化速度向量，客户端的本地模型参数作为粒子群算法中粒子的位置，用于本地模型的粒子群优化更新，针对客户端神经网络模型的每一层模型参数进行初始化和更新操作； S22、参与客户端根据自身模型的粒子速度向量和粒子的位置，与客户端存储的本地模型历史最优模型参数、广播的全局模型参数和全局历史最优模型参数一同进行客户端新一轮的模型参数粒子速度更新计算，得到新的客户端模型粒子速度更新参数，神经网络模型的每一层权重参数均执行该粒子速度更新计算的过程； S23、将所述粒子速度更新参数与该轮客户端的模型参数相加对模型参数进行计算更新，得到新的客户端模型参数，将作为粒子的更新位置，客户端再使用本地数据进行随机梯度下降训练模型参数，得到最终的模型更新参数； S3、采用基于模型的权值散度和更新增量的梯度压缩方法，对模型更新参数进行压缩； 所述S3具体包括： 服务器依据客户端模型的权值散度和更新增量，为其动态分配压缩阈值 通过公式3获取权值散度 公式3； 其中，表示客户端在第轮的本地模型参数，表示第轮的全局模型参数，表示L2范式计算； 通过公式4获取更新增量： 公式4； 其中，表示客户端第轮的本地模型参数； 客户端计算各自的梯度大小并与压缩阈值比较，如果梯度大于压缩阈值，则将梯度所有值通过公式5根据压缩因子进行压缩； 公式5； S4、将压缩后的模型更新参数上传至服务器进行模型聚合，得到新的全局模型，用于下一轮联邦学习迭代训练，直到满足条件或模型收敛为止。

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州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230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。