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！

龙图腾网获悉电子科技大学申请的专利边缘场景下动态权重的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：CN115526333B 。

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：202211052967.5，技术领域涉及：G06N3/098；该发明授权边缘场景下动态权重的联邦学习方法是由王瑞锦;张凤荔;程帆;张志扬;刘东;陈政设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本边缘场景下动态权重的联邦学习方法在说明书摘要公布了：本发明公开了一种边缘场景下动态权重的联邦学习方法，涉及机器学习技术领域，包括筛选客户端；下发全局模型给各客户端；客户端更新自身的计算能力值；客户端对全局模型进行训练；客户端根据计算能力值λ*和模型训练总时长，计算设备权重；对于每一客户端，若其模型训练总时长大于或等于截止时长，则直接返回参数至边缘服务器，否则通过增加余项对全局模型参数进行优化后，再返回参数至边缘服务器；边缘服务器根据设备权重所有返回的全局模型参数进行聚合，得到最终全局模型参数。本发明减少了因训练速度不一致导致部分设备带来的异构性影响，根据服务质量确定在最终模型聚合时的占比，从而确保聚合的结果在复杂的真实情况下更具有鲁棒性。

本发明授权边缘场景下动态权重的联邦学习方法在权利要求书中公布了：1.一种边缘场景下动态权重的联邦学习方法，其特征在于，包括以下步骤： S1、边缘服务器筛选若干客户端； S2、边缘服务器初始化一个全局模型下发给各客户端； S3、各客户端通过高斯分布更新自身的计算能力值λ*； S4、对于每一客户端，其根据本地风能数据集对全局模型进行N轮训练； S5、对于每一客户端，其根据计算能力值λ*和模型训练总时长T，计算设备权重； S6、对于每一客户端，若其模型训练总时长T大于或等于截止时长Tfinal，则直接执行步骤S7，否则根据最小化目标函数 对训练后的全局模型参数进行优化后，再执行步骤S7，其中，表示客户端k在通信轮数为t+1时通过本地训练得到的loss值，Fkw表示第k个客户端所有数据的平均损失，μ代表偏置项的参数，w表示本次本地计算完成的模型参数，wt表示全局模型的参数； S7、对于每一个客户端，其将全局模型参数和设备权重返回至边缘服务器； S8、边缘服务器根据各客户端传回的设备权重，对各客户端传回的全局模型参数进行聚合，得到最终全局模型参数。

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电子科技大学，其通讯地址为：610000 四川省成都市高新区（西区）西源大道2006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。