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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于通信频率优化和误差补偿机制的分布式深度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：CN116863235B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310862810.7，技术领域涉及：G06V10/764；该发明授权基于通信频率优化和误差补偿机制的分布式深度学习方法是由陈泽强;刘栋阳;陈能成设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本基于通信频率优化和误差补偿机制的分布式深度学习方法在说明书摘要公布了：本发明公开一种基于通信频率优化和误差补偿机制的分布式深度学习方法，包括：初始化全局模型参数和本地模型参数，并将所述本地模型参数在计算节点之间同步；计算节点获取训练数据集对所述本地模型进行训练；根据训练得到的当前批次梯度，利用通信频率优化算法和误差补偿机制进行本地模型参数的更新；根据更新后的所述本地模型参数，所述计算节点的当前迭代次数与预设迭代次数，更新所述全局模型。如此，本发明可以通过降低同步通信频率来减少节点间的数据传输量，以解决分布式深度学习优化算法存在的通信瓶颈问题；引入同步模型平均的误差补偿机制来提高模型的泛化精度，以解决分布式深度学习通信优化算法带来的泛化误差问题。

本发明授权基于通信频率优化和误差补偿机制的分布式深度学习方法在权利要求书中公布了：1.一种基于通信频率优化和误差补偿的分布式深度学习方法，其特征在于，所述方法包括以下步骤： S101：构建分布式深度学习的全局模型和多个计算节点，并将所述全局模型的副本作为本地模型部署在所述计算节点上； S102：初始化全局模型参数，并将所述全局模型参数的副本作为本地模型参数同步到各所述计算节点； S103：所述计算节点获取训练数据集作为样本向量，对对应的本地模型进行训练，得到各所述计算节点的当前批次梯度； S104：根据所述全局模型参数和所述当前批次梯度，利用通信频率优化算法和误差补偿机制进行本地模型参数的更新； S105：根据更新后的所述本地模型参数，所述计算节点的当前迭代次数与预设迭代次数，更新所述全局模型； S106：对更新后的所述全局模型进行性能评估，并保存训练好的所述全局模型；所述步骤S104，包括： 利用所述通信频率优化算法确定本地模型参数的预设更新频率； 计算所述全局模型参数与所述本地模型参数的第二差值； 将所述第二差值与预设补偿系数相乘，得到所述全局模型和本地模型间的误差补偿项； 根据所述误差补偿项，所述当前批次梯度和所述本地模型参数，确定所述全局模型参数和本地模型参数间的误差补偿梯度； 按照所述预设更新频率，将所述误差补偿梯度更新为所述本地模型参数。

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地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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”。