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基于粒子群优化的面向数据异构的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：CN116956986B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310660630.0，技术领域涉及：G06N3/006；该发明授权基于粒子群优化的面向数据异构的联邦学习方法是由马武彬;吴亚辉;周浩浩;张鹏飞;戴超凡;徐奕成设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本基于粒子群优化的面向数据异构的联邦学习方法在说明书摘要公布了：本发明公开了基于粒子群优化的面向数据异构的联邦学习方法，训练开始前，服务器向各个客户端发送评分数据集Dss，Dss是服务器数据Dmm的独立同分布子集；在联邦学习的通信过程中，客户端向服务器上传局部模型的历史最佳分值pbest，服务器在取得各个客户端传递的历史最佳分值后进行比对，确定在评分数据集上表现最好的客户端；请求获取该客户端的模型参数；聚合该客户端的本地模型参数更新全局模型。本发明结合粒子群优化算法与联邦学习训练过程，将联邦学习的通信数据形式由模型参数变为模型分值，有效降低通信成本；提出模型再训练策略，以可控的方式指导联邦模型的优化。

本发明授权基于粒子群优化的面向数据异构的联邦学习方法在权利要求书中公布了：1.基于粒子群优化的面向数据异构的联邦学习方法，其特征在于，包括以下步骤： 训练开始前，服务器向各个客户端发送评分数据集Ds，Ds是服务器数据Dm的独立同分布子集； 在联邦学习的通信过程中，客户端向服务器上传局部模型的历史最佳分值pbest，服务器在取得各个客户端传递的历史最佳分值后进行比对，确定在评分数据集上表现最好的客户端； 请求获取该客户端的模型参数； 聚合该客户端的本地模型参数更新全局模型； 其中，为发挥全局最佳模型与局部最佳模型对客户端模型训练的指导作用，FedPSG中客户端神经网络模型的更新包括一轮粒子更新与E轮本地迭代；粒子更新过程如下式所示： 其中，表示该客户端的局部最佳模型，表示全局最佳模型，表示第t轮通信时的客户端模型，表示神经网络模型第l层的参数，所有层的参数构成了，α表示惯性权重，r1、r2是[0,1]之间的随机值，c1、c2分别表示与的加速因子，c2越大，模型训练将更偏向全局模型，c2越大，模型训练将更偏向局部模型； 为减少Non-IID问题给联邦学习训练带来的影响，在服务器端使用模型再训练策略：在每一轮通信过程中，服务器收到客户端模型后，利用服务器数据Dm对模型进行再训练： 其中，是在第t轮通信过程中服务器收到的客户端模型，是学习率，Dm体现所有客户端总体训练数据的数据分布情况。

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：410073 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。