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！

龙图腾网获悉北京邮电大学申请的专利一种基于元学习的个性化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：CN115481560B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202110660559.7，技术领域涉及：G06N3/098；该发明授权一种基于元学习的个性化联邦学习方法是由刘亮;马华东;高雨佳;王鹏飞设计研发完成，并于2021-06-15向国家知识产权局提交的专利申请。

本一种基于元学习的个性化联邦学习方法在说明书摘要公布了：一种基于元学习的个性化联邦学习方法涉及联邦学习方法技术领域，解决了协同训练灵活性低、算法复杂的问题，步骤一、云服务器确认客户端数量、设置基础网络和元网络的超参数、初始化全局模型参数；步骤二、客户端下载全局模型参数，根据超参数和本地数据集训练本地模型；步骤三、上传本地模型参数，云服务器利用全局模型聚合方法计算全局模型参数；步骤四、返回步骤二直至客户端得到稳定的本地模型参数；步骤五、客户端从云服务器下载全局模型参数和全部本地模型参数，交替训练元网络和基础网络，云服务器保存本地模型参数并计算以更新全局模型参数；步骤六、重复步骤五直至本地模型达到要求的准确率或收敛。本发明协同训练的过程灵活性、算法简单。

本发明授权一种基于元学习的个性化联邦学习方法在权利要求书中公布了：1.一种基于元学习的个性化联邦学习方法，其特征在于，包括如下步骤： 步骤一、云服务器确认参与协同训练的客户端数量，所述云服务器设置每个客户端的基础网络和设置每个客户端的元网络的训练超参数，云服务器初始化全局模型参数，并将全局模型参数发送至每个客户端，进行步骤二； 步骤二、客户端下载云服务器发来的最新的全局模型参数，客户端用全局模型参数对本地模型参数进行赋值；客户端根据赋值后的本地模型参数，使用本地训练集，在超参数的情况下，对基础网络的本地模型训练，得到新的本地模型参数，进行步骤三； 步骤三、客户端将最新的本地模型参数上传至云服务器，云服务器根据最新的本地模型参数并利用全局模型聚合方法计算以更新全局模型参数，进行步骤四； 步骤四、以最新的全局模型参数返回步骤二，直至通过步骤二客户端得到稳定的新的本地模型参数时，进行步骤五； 步骤五、客户端从云服务器下载最新的全局模型参数和全部客户端的稳定的新的本地模型参数，交替训练元网络和基础网络得到客户端的本地模型，客户端上传本地模型参数至云服务器进行保存，云服务器计算以更新全局模型参数，进行步骤六； 步骤六、重复步骤五，直至客户端的本地模型达到要求的准确率或客户端的本地模型收敛时，停止训练； 所述客户端i的元学习网络包括第一层网络结构和第二层网络结构，所述第一层网络结构的聚合函数为g1·，为注意增强模型参数，其中表示除目标客户端i外的所有参与协同训练的客户端的模型参数的集合；所述第二层网络结构的聚合函数为g2·，表示混合模型参数，表示第二层网络结构中的可学习参数，xg表示全局模型参数； 所述第一层网络结构能够自动分析与xi之间的相似性，并使用加权分数聚合中每个客户端的本地模型参数，将聚合结果作为注意力增强模型引入第二层网络结构。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。