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！

龙图腾网获悉湘江实验室申请的专利一种基于元学习与多层次分割的个性化联邦模型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：CN120409743B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510910340.6，技术领域涉及：G06F21/62；该发明授权一种基于元学习与多层次分割的个性化联邦模型训练方法是由李沁;肖聪聪;彭晗;许冠英;张军号设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本一种基于元学习与多层次分割的个性化联邦模型训练方法在说明书摘要公布了：本发明涉及人工智能技术领域，具体公开了一种基于元学习与多层次分割的个性化联邦模型训练方法，本发明具备多层次模型分割架构，进一步将模型细分为输入层、中间层、输出层，实现了更精细的计算负载分配。相较于现有SplitLearning将模型分割为客户端‑服务器两部分的方式，本发明将输入层和输出层本地化处理，保留中间层在服务器端，既减少了敏感数据传输，又平衡了计算效率与隐私保护，同时本发明具备快速微调能力，使输入层和输出层能够动态适应客户端本地数据分布。本发明通过元学习策略实现本地模型的快速适配，解决了数据异构性问题，显著提升了模型的个性化性能。

本发明授权一种基于元学习与多层次分割的个性化联邦模型训练方法在权利要求书中公布了：1.一种基于元学习与多层次分割的个性化联邦模型训练方法，其特征在于，包括如下步骤： 步骤S1：服务器端获取目标模型并将其分割为输入层、中间层和输出层以获得多层次元模型，服务器端初始化多层次元模型的参数，并将输入层和输出层的副本分发到各客户端，保留中间层在服务器端； 步骤S2：各客户端分别构建带有实际类别标签的本地数据集，各客户端分别下载输入层参数和输出层参数，由本地数据集中的本地数据作为输入样本进行元学习微调，提取初步特征传输至服务器端获得中间层激活值，所述本地数据包括医疗影像数据和对应的类别标签； 步骤S3：服务器端基于中间层激活值计算全局特征并对其进行归一化处理，基于归一化后的全局特征更新中间层激活值并分发至各客户端； 步骤S4：各客户端基于更新后的中间层激活值生成本地数据的预测分类结果，基于预测分类结果与实际类别标签建立中间层损失函数； 步骤S5：基于中间层损失函数，各客户端通过反向传播计算输入层参数、中间层参数和输出层参数的梯度以更新输入层参数和输出层参数； 步骤S6：各客户端上传中间层参数的梯度至服务器端，由服务器端进行加权平均聚合以更新全局中间层参数并广播至所有客户端； 步骤S7：重复步骤S2至S6进行迭代训练直至模型收敛，通过收敛后的模型执行目标任务，所述目标任务包括通过收敛后的模型对医疗影像数据进行识别，以输出识别结果。

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湘江实验室，其通讯地址为：410000 湖南省长沙市高新区尖山路217号北斗产业园1栋；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”。