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半联邦学习方法、发送接收机结构、系统及优化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：CN116028802B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202210399704.5，技术领域涉及：G06F18/214；该发明授权一种半联邦学习方法、发送接收机结构、系统及优化方法是由田辉;郑景桁;王煜鑫;倪万里设计研发完成，并于2022-04-15向国家知识产权局提交的专利申请。

本一种半联邦学习方法、发送接收机结构、系统及优化方法在说明书摘要公布了：本发明公开了一种半联邦学习方法、发送接收机结构、系统及优化方法，该半联邦学习方法包括：当进入每一个训练轮次内，各个用户设备利用其一个批次的本地数据样本计算本地梯度，并选择另一批次的本地数据样本与本地梯度一起上传至基站；基站使用各个用户设备上传的数据样本获得集中式学习梯度，并聚合各个用户设备的本地梯度，进而合并联邦学习聚合梯度与集中式学习梯度以获得全局梯度，最后使用全局梯度更新全局模型。应用本发明提供的方法，可以提高基站计算资源分配的合理性，充分利用基站的闲置计算资源，使得基站能够和各个设备协同进行半联邦学习的模型训练，相比于传统联邦学习，改善了训练效果。

本发明授权一种半联邦学习方法、发送接收机结构、系统及优化方法在权利要求书中公布了：1.一种半联邦学习方法，其特征在于，该方法结合传统联邦学习和集中式学习，包括以下步骤： 当进入每一个训练轮次内，各个用户设备利用其一个批次的本地数据样本计算本地梯度，随后，用户设备选择另一批次的本地数据样本，并将该批次数据样本与本地梯度上传至基站；其中，所述一个训练轮次包括一个本地训练周期和一个通信轮次，各个用户设备数据样本和本地梯度的上传过程在相同的时频资源上进行；用户设备将该批次数据样本与本地梯度上传至基站的过程为： 每个用户设备在上传本地梯度前，先对该梯度进行归一化处理的步骤，归一化处理通过如下计算公式进行： 的维数，为本地梯度向量的第q项，q＝1,2,...,Q，为所有用户设备上传至基站的梯度的平均值，为其方差，为所得归一化处理后的梯度向量的第q维分量； 随后，第k个用户设备根据如下计算公式将经过归一化的本地梯度构造为本地梯度信号向量st,k： 其中，Nf为所有用户设备进行联邦学习训练的样本总数； 同时，第k个用户设备除了上传本地梯度之外，还上传Nc,k个本地数据样本，该部分数据样本构成集合Dc,k，Dc,k中每个样本的大小为m比特；第k个用户设备经过调制和归一化处理，得到数据样本信号向量dt,k，该信号向量的任意维分量都具有零均值和单位方差； 基站将通信轮次等分为Q个时隙，在第q个时隙内，用户设备将所述本地梯度信号向量的第q维分量st,k,q和所述数据样本信号向量的第q维分量dt,k,q在相同的时频资源内上传至基站； 基站在接收各个用户设备上传的包括数据样本和本地梯度的叠加信号后，首先解码出各个用户设备上传的本地数据，并从接收的叠加信号中减去各个用户设备的本地数据；随后，基站聚合叠加信号中剩余的各个用户设备本地梯度，获得联邦学习聚合梯度；接着，基站使用解码出的各个用户设备上传的本地数据进行集中式学习，获得集中式学习梯度；最后，基站合并联邦学习聚合梯度与集中式学习梯度以获得全局梯度，并使用全局梯度更新全局模型。

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。