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！

龙图腾网获悉天津大学申请的专利基于图卷积超网络的个性化联邦学习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：CN115271101B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211031351.X，技术领域涉及：G06N20/00；该发明授权基于图卷积超网络的个性化联邦学习方法是由谷石桥;杨柳设计研发完成，并于2022-08-26向国家知识产权局提交的专利申请。

本基于图卷积超网络的个性化联邦学习方法在说明书摘要公布了：本发明公开了一种基于图卷积超网络的个性化联邦学习方法：各客户端初始化本地模型参数，划分训练集和测试集；各客户端使用其训练集对其本地模型更新N次，本地梯度向量上传服务器；服务器对所有梯度向量计算余弦距离，构建客户端相关性矩阵；服务器对所有梯度向量主成分分析降维，作为每个客户端嵌入向量；服务器初始化图卷积超网络；相关性矩阵及嵌入向量输入到初始化后的图卷积超网络，产生每个客户端的本地模型，发送到客户端，计算损失值及梯度，梯度传至服务器，计算出客户端本地损失对图卷积超网络参数的梯度，更新图卷积超网络参数；嵌入向量和相关性矩阵输入训练好的图卷积超网络，产生每个客户端个性化本地模型。

本发明授权基于图卷积超网络的个性化联邦学习方法在权利要求书中公布了：1.一种基于图卷积超网络的个性化联邦学习方法，其特征在于，包括以下过程： 步骤S101：各客户端初始化本地模型参数，并分别将其各自的本地数据集划分为训练集和测试集；其中本地数据为图片数据； 步骤S102：各客户端使用其训练集通过随机梯度下降算法对其本地模型更新N轮次，并将更新时积累的本地梯度向量均上传至服务器端； 步骤S103：服务器端将接收到的客户端模型梯度向量进行展平处理，并对所有的梯度向量两两计算余弦距离，构建客户端相关性矩阵； 步骤S104：服务器端对接收到的所有客户端模型的梯度向量进行主成分分析降维，将降维后的向量作为每个客户端的嵌入向量； 步骤S105：服务器端初始化图卷积超网络，其输入维度为客户端嵌入向量的维度，输出维度为客户端本地模型的维度； 图卷积超网络结构包括： （1）图卷积神经网络：通过图卷积操作得到客户端融合特征； （2）前馈神经网络：各个客户端共享该前馈神经网络模型，针对每个客户端融合特征产生其本地个性化模型； 另外，所述图卷积超网络的输入为嵌入向量和相关性矩阵，输出为客户端本地模型参数；其正向传播过程如下： ， 其中，为图卷积的参数，为前馈神经网络的参数，表示经过T次的图卷积正向传播过程，表示第T层图卷积网络的输出，H表示前馈神经网络，由图卷积超网络产生的n个客户端的本地模型，GHN表示图卷积超网络； 步骤S106：将由步骤S103得到的相关性矩阵及步骤S104得到的客户端嵌入向量输入到步骤S105初始化后的图卷积超网络中，产生每个客户端的本地模型，再将这些模型发送到客户端，在客户端本地计算损失值及梯度，并将梯度传输至服务器，由链式法则计算得出客户端本地损失对图卷积超网络参数的梯度，经过反向传播算法不断更新图卷积超网络参数，直至收敛； 步骤S107：将客户端的嵌入向量和相关性矩阵输入到经步骤S106训练好的图卷积超网络中，产生每个客户端个性化的本地模型。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。