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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于联邦多层次知识迁移的训练方法、设备及介质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：CN119886292B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202510050766.9，技术领域涉及：G06N5/02；该发明授权一种基于联邦多层次知识迁移的训练方法、设备及介质是由老明瑞;郭延明;李正;张雪毅;汤俊;朱嘉楠设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种基于联邦多层次知识迁移的训练方法、设备及介质在说明书摘要公布了：本发明涉及一种基于联邦多层次知识迁移的训练方法、设备及介质，该方法包括初始化全局模型，并将初始化的全局模型发送至多个客户端；客户端基于本地数据构建反事实样本，并利用客户端接收的全局模型作为初始模型，结合原始样本和反事实样本执行本地训练，并在本地训练过程中执行知识迁移以生成优化后的本地模型：将优化后的本地模型发送至中央服务器；由中央服务器接收并汇总各客户端上传的本地模型，基于加权聚合生成更新的全局模型；重复执行上述步骤，在达到训练终止条件后，输出最终的全局模型。该方案实现全局模型与个性化模型之间的有效协同优化，从而显著提升了模型在个性化数据上的适配性和未见场景中的泛化能力。

本发明授权一种基于联邦多层次知识迁移的训练方法、设备及介质在权利要求书中公布了：1.一种基于联邦多层次知识迁移的训练方法，其特征在于，包括如下步骤： 由中央服务器初始化全局模型，并将初始化的所述全局模型发送至多个客户端； 客户端基于本地数据构建反事实样本，并利用客户端接收的全局模型作为初始模型，结合原始样本和反事实样本执行本地训练，并在本地训练过程中执行知识迁移以生成优化后的本地模型： 将优化后的本地模型发送至中央服务器； 由中央服务器接收并汇总各客户端上传的本地模型，基于加权聚合的方法生成更新的全局模型； 重复执行本地训练、知识迁移、将优化后的本地模型发送至中央服务器、以及生成更新的全局模型的步骤，在达到预定的训练终止条件后，输出最终的全局模型，利用最终的全局模型完成个性化推理任务； 客户端基于本地数据构建反事实样本的方法包括： 确定与查询直接相关的关键帧集合和与查询无直接关系的上下文集合； 从上下文集合中随机采样帧，根据预设的强度参数替换部分关键帧生成视觉反事实样本； 通过修改查询内容并结合上下文集合替换部分原始帧，生成文本反事实样本； 在本地训练过程中执行知识迁移的方法包括： 基于带阈值的三重损失函数计算本地模型中间特征向量与全局模型中间特征向量的对齐损失，具体公式为： 其中，表示基本三重损失的值，用于量化模型优化过程中正样本和负样本之间的距离关系，为局部模型对原始样本的中间特征输出，为全局模型对原始样本的中间特征输出，表示局部模型对反事实样本的中间特征输出，表示距离函数，为预设的边界常量； 基于二元交叉熵损失函数计算本地模型预测结果与全局模型预测结果的对比对齐损失，具体公式为： 其中，表示基于预测的负向知识迁移损失函数值，表示候选建议答案集中的候选预测结果数量，表示候选预测结果的索引，第个候选预测结果，表示局部模型对第个候选预测结果的匹配得分输出，表示全局模型对第个候选预测结果的匹配得分输出，表示第个候选预测的权重，定义如下： 其中，表示第个候选预测的监督标签，具体计算方法为： 其中，是候选时刻与地面真实时刻之间的IoU匹配分数，和是匹配分数的上下阈值。

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人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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。