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分层抽样优化的面向异构客户端的联合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：CN115204416B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202210690767.6，技术领域涉及：G06N20/20；该发明授权基于分层抽样优化的面向异构客户端的联合学习方法是由马武彬;鲁晨阳;郑龙信;吴亚辉;周浩浩;戴超凡;邓苏设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本基于分层抽样优化的面向异构客户端的联合学习方法在说明书摘要公布了：本发明公开了基于分层抽样优化的面向异构客户端的联合学习方法，从不同簇中选择可用的客户端；参数服务器将全局模型广播至所有客户端，客户端对本地数据的样本进行训练得到本地模型参数，参数服务器收集每个客户端的本地模型参数信息，采用聚类方法将客户端划分入不同的簇中；每轮训练时，根据样本权重从每个簇中抽取可用的客户端参与训练，进行梯度聚合；每轮参与训练的客户端从参数服务器接收到最新全局模型参数后，使用本地数据计算当前参数下的梯度，迭代后将最新参数发回参数服务器，由参数服务器对传回的参数进行加权平均。本发明在客户端异构条件下可收敛到全局最优解。

本发明授权基于分层抽样优化的面向异构客户端的联合学习方法在权利要求书中公布了：1.基于分层抽样优化的面向异构客户端的联合学习方法，应用于N个客户端和参数服务器，其特征在于，包括以下步骤： 从不同簇中选择可用的客户端，客户端接收的数据为异构数据； 参数服务器初始化全局模型，然后将全局模型广播至所有客户端，客户端根据接收到的全局模型，对本地数据的样本进行训练得到本地模型参数，参数服务器收集每个客户端的本地模型参数信息，采用聚类方法将客户端划分入不同的簇中； 每轮训练时，根据样本权重从每个簇中抽取可用的客户端参与训练，进行梯度聚合，以保证所有种类的数据都参与每轮训练，降低客户端异构带来的影响；训练时的目标为凸函数；其中，为算法为了达到精度所需要的迭代次数，则客户端与参数服务器的通信次数为： ； G 2为随机梯度的期望平方范数界限，为随机梯度的方差界限，是第k个客户端的权重，E为本地迭代轮次，N是客户端总数，K为每轮抽取的客户端总数，L表示L-smooth，表示强凸， 当数据异构程度较低时，接近于0时，本地迭代轮次E越大越好；当数据异构程度较大时，越小，本地迭代轮次E越小越好； 在全部客户端参与训练的条件下，算法收敛性为： ； 其中，，，为数据异构参数； 在部分客户端参与训练的条件下，算法收敛性为： ； 其中； 同时，在训练过程中需要将学习率的值设置为逐渐下降，才能收敛至最优的结果，使算法达到的收敛速度； 每轮参与训练的客户端从参数服务器接收到最新全局模型参数后，使用本地数据计算当前参数下的梯度，迭代E次随机梯度下降后将最新参数发回参数服务器，由参数服务器对传回的参数进行加权平均。

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。