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！

龙图腾网获悉东华大学申请的专利基于压缩感知的通信高效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：CN115965091B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310016441.X，技术领域涉及：G06N20/00；该发明授权基于压缩感知的通信高效联邦学习方法是由常姗;刘叶;朱弘恣;刘艺圻设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于压缩感知的通信高效联邦学习方法在说明书摘要公布了：本发明提供了一种基于压缩感知的通信高效联邦学习方法，可概括为如下步骤：首先使用服务器持有的准验证数据集执行字典学习，以学习模型参数的稀疏表示；然后采用自适应压缩比选择算法根据模型训练损失来确定合适的压缩比；最后在服务器端利用压缩的线性，将全局模型恢复的计算成本从n次减少到重构算法的1次执行；此外通过分层压缩降低了压缩的计算成本。通过本发明，可以有效地压缩和精确地重建非稀疏模型参数，不仅支持上下行压缩，还可以在不降低测试精度的情况下降低总体通信成本。通过在三个图像分类任务上的实验证明我们的方法始终优于现有的方法，即使使用一个小的准验证集来学习稀疏字典，也可以获得较高的重构精度。

本发明授权基于压缩感知的通信高效联邦学习方法在权利要求书中公布了：1.一种基于压缩感知的通信高效联邦学习方法，用于图像分类任务，其特征在于，包括以下步骤： 步骤1、服务器端在本地使用准验证集X学习稀疏字典Ψ，包括以下步骤： 步骤101、选择准验证集X作为训练数据来训练全局模型G，并在训练全局模型期间保存模型参数； 步骤102、设置参数值，包括：初始字典的长度和原子数、待分解信号稀疏表示中使用的线性组合原子的最大数量、K-SVD算法的迭代次数以及样本信号集中的原子数； 步骤103、基于初始字典原子长度N，从保存的模型参数中选择K个原子，以形成初始字典Ψ，并选择N个原子形成稀疏表示的样本集S，然后通过解压缩算法获得模型参数初始字典下的稀疏系数矩阵Z，即S＝Ψ×Z； 步骤104、根据K-SVD算法的训练迭代误差连续更新初始字典原子，如果达到迭代次数，则停止更新，构建与模型参数的特征匹配的稀疏字典Ψ； 步骤2、服务器首先初始化压缩比δ0和全局模型G0，其参数由n维的表示，并将n×n的高斯随机矩阵作为测量矩阵Φ，然后将δ0、和Φ下发给各客户端；在后续训练阶段，服务器首先根据全局模型的损失值计算当前t轮次时的压缩比δt，然后将利用稀疏字典Ψ获得的当前t轮次的全局模型参数的稀疏表示和δt下发给各客户端； 步骤3、每个客户端pi在获得和压缩比δt之后，使用其本地数据集Di迭代运行小批量梯度下降，直到获得本地模型参数并将本地模型参数展平为n×1列向量，将其视为要压缩的信号；然后根据当前轮次压缩比δt的大小，然后提取服务器下发的测量矩阵Φ中的m行，以形成用于当前轮压缩的测量矩阵Φδ，利用测量矩阵Φδ对本地模型参数进行压缩，即最后将发送到服务器； 步骤4、服务器在接收到之后，基于稀疏字典Ψ运行解压缩算法，以解压重构出然后应用加权平均聚合协议获得其中，服务器先执行局部模型聚合，然后使用聚合的局部模型重建。

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东华大学，其通讯地址为：200051 上海市长宁区延安西路1882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”。

以上内容由龙图腾AI智能生成。