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！

龙图腾网获悉深圳大学申请的专利基于通感算一体和垂直联邦学习的动作识别系统和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：CN121412732B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202512017695.5，技术领域涉及：G06F18/24；该发明授权基于通感算一体和垂直联邦学习的动作识别系统和方法是由曹晓雯;褚仕成;何业军;文鼎柱设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本基于通感算一体和垂直联邦学习的动作识别系统和方法在说明书摘要公布了：本发明涉及计算机技术领域，公开了基于通感算一体和垂直联邦学习的动作识别系统和方法，所述系统包括：第一向量构建模块、第二向量构建模块、参数优化模块和动作识别模块；根据本地嵌入构建嵌入向量和聚合嵌入向量；根据聚合嵌入向量构建聚合感知误差并对聚合感知误差最小化，以优化传输功率、感知功率、批次大小和去噪因子；然后构建测试样本集，并利用优化的参数训练边缘设备的模型，以对测试对象进行动作识别。本发明通过垂直联邦边缘学习框架，利用空中计算来高效聚合本地嵌入，以量化无线感知噪声和聚合误差对框架性能的联合影响，以更高效地联合优化批次大小和资源分配，提高了对多视图的特征异构数据进行采集的效率及准确性。

本发明授权基于通感算一体和垂直联邦学习的动作识别系统和方法在权利要求书中公布了：1.一种基于通感算一体和垂直联邦学习的动作识别系统，其特征在于，所述基于通感算一体和垂直联邦学习的动作识别系统包括： 第一向量构建模块，用于针对当前训练轮次，获取由多个边缘设备发送的多个本地嵌入，根据所有所述本地嵌入构建每个所述边缘设备对应的嵌入向量； 第二向量构建模块，用于根据每个所述嵌入向量构建当前训练轮次的聚合嵌入向量； 参数优化模块，用于根据所述聚合嵌入向量构建聚合感知误差，并对所述聚合感知误差最小化，以对训练过程中的传输功率、感知功率、批次大小和去噪因子进行优化； 所述参数优化模块包括： 误差构建单元，用于根据所述聚合嵌入向量和真实聚合嵌入向量构建聚合感知误差： ； 其中，表示聚合感知误差，表示聚合误差的均方误差，表示第t轮次训练中误差向量，表示真实聚合嵌入向量，表示信道噪声平方差，表示传输功率的平方差，表示感知功率的平方差，表示嵌入对感知噪声的敏感程度； 问题模型构建单元，用于对所述聚合感知误差进行重构得到优化问题模型： ； 其中，表示第t轮次训练中的误差； 问题模型优化单元，用于根据所述优化问题模型分别构建初始第一问题模型和第二问题模型，并对所述初始第一问题模型进行优化，得到第一问题模型； 参数优化单元，用于根据所述第一问题模型对批次大小和感知功率进行联合优化，并根据所述第二问题模型对传输功率和去噪因子进行联合优化； 所述参数优化单元包括： 模型分解子单元，用于获取辅助变量，并将所述批次大小约束为连续变量，以对所述第一问题模型进行重写，得到多个第一问题子模型： ； ； ； 其中，表示第t轮次训练中第k个边缘设备的辅助变量，表示第k个边缘设备的样本感知时间，表示训练持续时间，表示第k个边缘设备的电容系数，表示第k个边缘设备的CPU周期数，表示第k个边缘设备的频率，表示第t轮次训练中第k个边缘设备的感知误差期望，表示全称量词，表示最大感知功率； 参数计算第一子单元，用于根据所有所述第一问题子模型，计算最优感知功率和最优批次大小： ； ； ； 其中，表示最优辅助变量，表示最优批次大小，表示最优感知功率，表示最优对偶变量，表示最大批次大小，表示最小批次大小； 参数计算第二子单元，用于对所述第二问题模型最小化，以计算最优去噪因子和最优传输功率： ； ； 其中，表示能量约束的最优对偶变量，D表示嵌入维度； 动作识别模块，用于根据优化后的批次大小构建测试样本集，根据优化后的传输功率、感知功率和去噪因子对每个所述边缘设备的模型进行训练，利用训练后的所有模型对所述测试样本集进行动作识别，得到不同角度的识别结果。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区粤海街道南海大道3688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。