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！

龙图腾网获悉华南理工大学申请的专利一种适用于网络边缘部署的图卷积神经网络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：CN120029763B 。

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：202510028615.3，技术领域涉及：G06F9/50；该发明授权一种适用于网络边缘部署的图卷积神经网络训练方法是由刘元;吴燕玲设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种适用于网络边缘部署的图卷积神经网络训练方法在说明书摘要公布了：本发明公开了一种适用于网络边缘部署的图卷积神经网络训练方法，包括服务器划分全为多个子图，求解联合优化问题后，将子图及优化结果下发至边缘设备；边缘设备接收子图后，广播边界节点集合；接收其它设备边界节点集合，与内部节点求交采样生成采样边界节点集合，并用于重构子图；各边缘设备结合优化结果及上一轮接收的边界节点特征和梯度信息，对重构子图进行训练，并将当前轮训练产生的边界节点特征及梯度信息传递至相关设备；边缘设备将局部梯度并上传至服务器；服务器聚合梯度更新全局模型参数后下发；该方法循环直至模型收敛；本发明方法利用边缘设备的计算资源协同训练图卷积神经网络，减少了通信开销与频繁同步，并显著降低了系统能耗。

本发明授权一种适用于网络边缘部署的图卷积神经网络训练方法在权利要求书中公布了：1.一种适用于网络边缘部署的图卷积神经网络训练方法，其特征在于，包括如下步骤： S1服务器将全图划分为多个子图,求解边缘设备关于计算频率和传输功率的联合优化目标得到优化结果，然后将子图和优化结果发送至边缘设备； 所述联合优化目标，具体为： 其中{fi}指的是边缘设备i在局部计算采用的CPU频率；τcomp指的分配给每个边缘设备的每轮局部计算；指的是边缘设备i每轮向服务器发送局部模型梯度Gi所消耗的能量；指的是边缘设备i向边缘设备j发送采样后的边界节点数目消耗的能量；是指分配给边缘设备i发送局部模型梯度Gi给服务器的通信时间；是指分配给边缘设备i发送采样后的边界节点信息给边缘设备j的通信时间；T指的是设定的总的迭代回合；K指的是边缘设备数目；|V|指的是全图总的节点数目；a指的是子图中节点一轮迭代中更新需要的平均浮点运算数目；Ci指的是边缘设备i在一个CPU周期内可以运行的浮点数操作数目；指的是设备i的电容系数；表示边缘设备i的计算能耗；Bw指的是系统总带宽；c指的是边缘设备每轮迭代与所述服务器之间进行权重参数通信所需要的总通信量；q指的是所述边缘设备之间每轮通信采样边界节点信息所需要的总通信量；hi指的是所述边缘设备i与所述服务器的上行链路信道增益；hi,j指的是所述边缘设备i与所述边缘设备j之间点对点的信道增益；σ2指的是噪声功率；τ指的是总训练的时间限制；fmax指的是所述设备最大的CPU频率；pmax指的是所述设备的最大的通信功率； S2边缘设备收到子图后，将获得的子图边界节点集合广播至其他边缘设备； S3计算子图内部节点与其它子图边界节点集合的交集并采样，生成采样边界节点集合，并将采样边界节点集合发送至其它边缘设备； S4各边缘设备根据收到的采样边界节点集合重构子图，重构子图由内部节点和部分边界节点构成； S5各边缘设备根据优化结果，对重构子图进行训练，同时将当前子图的采样边界节点集合得到前向特征及特征梯度信息传递至其它边缘设备； S6根据上一轮的前向特征及特征梯度信息，各个边缘设备计算得到局部模型梯度，并发送至服务器； S7服务器接收并聚合各边缘设备发送的局部模型梯度，更新全局模型参数后下发至边缘设备； S8循环步骤S5到S7直至收敛。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。