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！

龙图腾网获悉安徽大学申请的专利一种用于快速图像分类问题的分布式模型训练算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：CN119006913B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202411116682.2，技术领域涉及：G06V10/764；该发明授权一种用于快速图像分类问题的分布式模型训练算法是由苏延旭;盛清杨;王雪娆;孙长银设计研发完成，并于2024-08-15向国家知识产权局提交的专利申请。

本一种用于快速图像分类问题的分布式模型训练算法在说明书摘要公布了：本发明公开了一种用于快速图像分类问题的分布式模型训练算法，包括：图像数据的准备与分布；模型初始化；分布式模型训练；模型评估和性能优化。所训练的分布式模型是一种基于Nesterov加速的自适应矩估计算法，即NGTAdam算法，包括：初始化参数；计算梯度，并基于梯度跟踪法更新梯度估计器；更新一阶矩估计向量，更新二阶矩估计向量；自适应更新学习率；更新临时变量和Nesterov动量变量；基于梯度下降法更新估计解。此外，本发明还公开了NGTAdam算法的理论收敛上界保证算法收敛。本发明提出的方法注重实时决策和动态优化，能够高效求解大规模在线优化问题，适用多种场景，解决了现有图像分类算法在训练大规模图像数据时速度慢、准确性不佳等问题。

本发明授权一种用于快速图像分类问题的分布式模型训练算法在权利要求书中公布了：1.一种用于快速图像分类问题的分布式模型训练算法，其特征在于，该分布式模型训练算法是一种基于Nesterov加速的自适应矩估计算法，简称为NGTAdam算法，具体包括以下步骤： S1、初始化NGTAdam算法的参数；导入图像数据集并进行数据预处理，在去中心化网络上，将训练数据分布到所有节点上； S2、每个节点上，利用估计解和Nesterov动量变量更新临时变量，并利用临时变量计算当前梯度； S3、每个节点上，基于梯度跟踪法更新梯度估计器； S4、每个节点上，采用指数移动平均更新一阶矩估计值和二阶矩阵估计值；步骤S4具体包括： S41、更新一阶矩估计值；节点i采用指数移动平均更新一阶矩估计值，节点i在t+1时刻的一阶矩估计值记为其更新表达式为： 其中，β1表示一阶矩估计值的指数衰减率，是节点i在t时刻的一阶矩估计值，是节点i在t时刻的梯度估计器； S42、更新二阶矩估计值；节点i采用指数移动平均更新二阶矩估计值，节点i在t+1时刻的二阶矩估计值记为其更新表达式为： 其中，β2表示二阶矩估计值的指数衰减率，符号⊙表示矩阵的哈达玛积，Vm＞＞0为饱和参数，保证估计值的上界；是节点i在t时刻的二阶矩估计值，是节点i在t时刻的梯度估计器； S5、每个节点上，使用经过步骤S4更新后的一阶矩估计值和二阶矩估计值自适应更新估计解的梯度下降方向； S6、结合邻居节点的Nesterov动量变量，基于梯度下降法更新本节点的Nesterov动量变量； S7、结合邻居节点的临时变量，基于梯度下降法更新本节点估计解； S8、重复S2-S7进行多次迭代，直到满足算法结束条件。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。