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！

龙图腾网获悉湖南科技大学申请的专利一种基于拆分元学习的分层联邦学习方法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：CN121351939B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511910364.8，技术领域涉及：G06N3/098；该发明授权一种基于拆分元学习的分层联邦学习方法及系统是由梁伟;谢睿;刁祖龙;陈宇翔;孟祥伟;何大成设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本一种基于拆分元学习的分层联邦学习方法及系统在说明书摘要公布了：本发明公开了一种基于拆分元学习的分层联邦学习方法及系统，所述方法具体包括：云服务器初始化全局模型并分发至各个边缘服务器，边缘服务器层将全局模型分发至所属客户端；使各个客户端基于本地数据对全局模型的特征提取模块进行本地更新，同时冻结全局模型的分类器模块；边缘服务器层聚合来自多个客户端的更新后的特征提取模块的参数，并利用本地验证数据集对分类器模块执行元优化，生成边缘本地模型；云服务器层周期性地从多个边缘服务器收集模型参数，采用梯度敏感动量聚合策略更新全局模型。本发明通过“车‑边‑云”三层架构设计和两级协同优化机制，在车联网环境中系统实现了隐私保护、通信效率和模型适应性之间的协同优化。

本发明授权一种基于拆分元学习的分层联邦学习方法及系统在权利要求书中公布了：1.一种基于拆分元学习的分层联邦学习方法,其特征在于,所述方法具体包括: 构建客户端层、边缘服务器层和云服务器层,所述客户端层包括多个客户端,所述边缘服务器层包括多个边缘服务器,所述云服务器层包括至少一个云服务器; 基于云服务器初始化全局模型并分发至各个边缘服务器,通过边缘服务器层将全局模型分发至所属客户端; 使各个客户端基于本地数据对全局模型的特征提取模块进行本地更新,同时冻结全局模型的分类器模块,并将更新后的特征提取模块的参数异步上传至关联的边缘服务器; 基于边缘服务器层聚合来自多个客户端的更新后的特征提取模块的参数,并利用本地验证数据集对分类器模块执行元优化,生成边缘本地模型; 基于云服务器层周期性地从多个边缘服务器收集模型参数,采用梯度敏感动量聚合策略更新全局模型; 基于边缘服务器层接收更新后的全局模型,根据边缘本地模型与更新后的全局模型在本地验证数据上的损失差异,计算个性化融合权重; 基于个性化融合权重,对边缘本地模型和全局模型进行加权融合,生成个性化本地模型,通过边缘服务器将个性化本地模型分发至所属客户端; 其中,所述基于边缘服务器层聚合来自多个客户端的更新后的特征提取模块的参数,并利用本地验证数据集对分类器模块执行元优化,生成边缘本地模型,具体包括: 根据边缘服务器层收来自多个客户端的更新后的特征提取模块的参数,结合客户端的数据量比例计算聚合权重系数,执行加权聚合操作,生成聚合后的特征提取参数; 通过边缘服务器利用聚合后的特征提取参数,结合本地验证数据集,对分类器模块执行元优化过程,并更新分类器参数; 将更新后的分类器参数与聚合后的特征提取参数进行组合,构建边缘本地模型。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；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。