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！

龙图腾网获悉上海交通大学申请的专利基于全局特征共享的个性化联邦学习方法、装置及系统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：CN116777015B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310788877.0，技术领域涉及：G06N20/20；该发明授权基于全局特征共享的个性化联邦学习方法、装置及系统是由李成林;张豪;戴文睿;邹君妮;熊红凯设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于全局特征共享的个性化联邦学习方法、装置及系统在说明书摘要公布了：本发明涉及一种基于全局特征共享的个性化联邦学习方法、装置及系统。基于全局特征共享的个性化联邦学习方法应用于客户端，包括：接收服务器发送的全局特征提取器模型和全局特征；根据全局特征提取器模型和本地分类器模型，初始化本地模型；将本地图像数据输入经过初始化的本地模型进行模型训练，确定本地模型的损失函数，损失函数包括本地图像数据的训练标签和真实标签之间的交叉熵损失、条件互信息正则项；根据本地模型的损失函数，基于反向传播对本地模型进行第一更新处理；当本地模型收敛时，确定目标本地模型。本公开通过引入全局特征和条件互信息正则项，共享全局特征，提高本地模型的泛化表现，并防止本地模型的过拟合。

本发明授权基于全局特征共享的个性化联邦学习方法、装置及系统在权利要求书中公布了：1.一种基于全局特征共享的个性化联邦学习方法，其特征在于，应用于客户端，所述客户端包括本地模型，包括： 接收服务器发送的全局特征提取器模型和全局特征； 根据所述全局特征提取器模型和本地分类器模型，初始化本地模型，所述本地模型包括本地特征提取器模型和本地分类器模型； 将本地图像数据输入经过初始化的本地模型进行模型训练，确定所述本地模型的损失函数，所述损失函数为所述本地图像数据的训练标签和真实标签之间的交叉熵损失以及条件互信息正则项的和，所述条件互信息正则项表示本地条件互信息和全局条件互信息的差，所述本地条件互信息表示所述本地图像数据与本地特征在给定标签时的互信息，所述全局条件互信息表示全局图像数据与全局特征在给定标签时的互信息； 根据所述本地模型的损失函数，基于反向传播对所述本地模型进行第一更新处理； 当所述本地模型收敛时，确定目标本地模型； 其中，所述根据所述本地模型的损失函数，基于反向传播对所述本地模型进行第一更新处理，包括： 根据所述本地模型的损失函数，基于反向传播对本地特征提取器模型进行第二更新处理以及对所述本地分类器模型进行第三更新处理。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。