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！

龙图腾网获悉南京邮电大学申请的专利基于客户端数量和通信周期的联邦学习自适应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：CN116341687B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202211088880.3，技术领域涉及：G06N20/20；该发明授权基于客户端数量和通信周期的联邦学习自适应优化方法是由吴家皋;王宇;刘林峰;朱立华设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本基于客户端数量和通信周期的联邦学习自适应优化方法在说明书摘要公布了：本发明公开了基于客户端数量和通信周期的联邦学习自适应优化方法，包括：客户端对本地模型进行训练；估算本地模型目标函数的李普希兹常数和标准差上界，计算联邦学习框架中最优客户端数量m和通信周期τ；中央服务器将全局模型参数初始值发送至m个客户端中；被选中的客户端对本地模型进行训练，更新每个客户端的本地模型参数和目标函数值；中央服务器对每个客户端对应的本地模型参数和目标函数值进行聚合，得到新的全局模型参数w和目标函数值F；输出全局模型参数w。本发明将联邦学习过程按设定单位时间区间分为多阶段，自适应修改参与方客户端数量和通信周期大小，有效加快了联邦学习的模型训练过程，提高了全局模型的收敛速度。

本发明授权基于客户端数量和通信周期的联邦学习自适应优化方法在权利要求书中公布了：1.基于客户端数量和通信周期的联邦学习自适应优化方法，应用于联邦学习框架，所述联邦学习框架包括一个中央服务器和多个客户端，其特征在于，多个客户端采用分布式方式在中央服务器的协调下协同训练神经网络模型，该优化方法包括以下步骤： 步骤1，中央服务器随机选择一个客户端k，该客户端采用随机梯度下降法对本地模型进行r轮训练，得到本地模型参数 步骤2，利用本地模型参数估算本地模型目标函数的李普希兹常数和标准差上界，根据本地模型目标函数的李普希兹常数和标准差上界计算联邦学习框架中最优客户端数量m和通信周期τ； 所述最优客户端数量m和通信周期τ的表达式分别为： 式中，Y为客户端进行一轮本地模型训练的平均时间差，D为单个客户端传输模型参数到中央服务器的通信延迟；L为目标函数的李普希兹常数，σ为目标函数的标准差上界；η为学习率，F为全局目标函数值； 步骤3，中央服务器将全局模型参数初始值w0发送至m个客户端中；被选中的客户端将本地模型参数均设置为w0，采用随机梯度下降法对本地模型进行τ轮训练，训练结束后更新每个客户端对应的本地模型参数和目标函数值，并将更新后值发送回中央服务器； 步骤4，中央服务器对每个客户端对应的本地模型参数和目标函数值进行聚合，得到新的全局模型参数w和目标函数值F； 步骤5，判断全局目标函数值F是否达到训练精度ε，若Fε，中央服务器记录当前训练时间t，判断训练时间t大小，若t小于多阶段训练的单位时间区间T0，则跳转到步骤3，若t大于T0，更新训练时间t＝t-T0，跳转到步骤2；若Fε，则训练结束，输出全局模型参数w。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。