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！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种纵向联邦神经网络模型的训练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：CN116992955B 。

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：202310896524.2，技术领域涉及：G06N3/098；该发明授权一种纵向联邦神经网络模型的训练方法是由陈益强;阳铖;杨晓东设计研发完成，并于2023-07-20向国家知识产权局提交的专利申请。

本一种纵向联邦神经网络模型的训练方法在说明书摘要公布了：本发明提出一种纵向联邦神经网络模型的训练方法，所述方法包括：S1、获取目标领域的多个数据集及其对应的一个标签集，每个数据集包括目标领域数据的多个特征向量，给每个本地网络分发一个数据集，将标签集分发给所述预测网络；S2、给每个本地网络的每个神经元设置权重参数并对其进行初始化；S3、对所述预测网络和多个本地网络基于其获得的数据进行多轮纵向联邦迭代训练直至每一本地网络均完成神经元删减，以得到训练好的纵向联邦神经网络模型。

本发明授权一种纵向联邦神经网络模型的训练方法在权利要求书中公布了：1.一种纵向联邦神经网络模型的训练方法，用于构建糖尿病评估模型，所述纵向联邦神经网络模型包括一个预测网络和多个本地网络，所述每个本地网络均包括多个神经元，其特征在于，所述方法包括： S1、获取目标领域的多个数据集及其对应的一个标签集，每个数据集包括目标领域数据的多个特征向量，给每个本地网络分发一个数据集，将标签集分发给所述预测网络，其中，以医疗数据为样本、糖尿病结果为标签构建目标领域数据； S2、给每个本地网络的每个神经元设置权重参数并对其进行初始化； S3、对所述预测网络和多个本地网络基于其获得的数据进行多轮纵向联邦迭代训练直至每一本地网络均完成神经元删减，以得到训练好的纵向联邦神经网络模型作为糖尿病评估模型，其中，迭代训练过程中按照预设的损失函数更新所述每一本地网络与所述预测网络的参数，并按照预设的权重更新函数对每一本地网络的神经元的权重参数进行更新，以及按照预设的规则剔除不符合规则的每一本地网络的神经元，所述预设的损失函数为： 其中，表示损失函数，表示单个数据的预测损失，表示正则项，表示正 则项权重，表示第1个本地网络的参数，表示第1个到第个本地网络的参数， 表示预测网络的参数，表示数据量； 所述预设的权重更新函数为： 其中，表示重要性参数，表示神经元权重，表示损失函数对神经元权重的梯度，表示神经元权重对重要性参数的梯度，表示学习率，表示单调非负函数； 所述预设的规则为：按照从大到小的顺序对每个本地网络的神经元的权重参数进行排序，并删除排序在末尾的预设个数的神经元。

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中国科学院计算技术研究所，其通讯地址为：100190 北京市海淀区中关村科学院南路6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。