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面向物联网云边协同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：CN120579601B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202510715886.6，技术领域涉及：G06N3/098；该发明授权一种面向物联网云边协同的个性化联邦学习方法是由高雅丽;李小勇;唐嘉潞;李家威;黄康乾;袁开国设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种面向物联网云边协同的个性化联邦学习方法在说明书摘要公布了：本发明公开一种面向物联网云边协同的个性化联邦学习方法，针对云边协同的物联网场景中资源受限、高异构性的特点，将动态参数分解集成到个性化联邦学习中；针对联邦学习在参数传递聚合过程中灾难性遗忘和偏差积累的潜在风险，采用基于持续学习的自适应正则优化方法，为解决上述问题，首先，利用参数分解策略将全局共享参数与客户端特定参数解耦，随后，将每个客户端执行的本地优化过程类比为顺序多任务，计算在线重要性评分和优化路径中的敏感度，最后，引入了一个基于学习轨迹的弹性正则化项，以约束参数更新，并根据每个参数在上一轮全局任务中的重要性权重动态调整下一轮的学习率，本方法有效兼顾了全局共享性与局部个性化的需求，特别适用于资源受限、通信频繁和数据异构性强的云边协同物联网环境，不仅提升了模型在边缘侧的精度与鲁棒性，还显著降低了通信和计算开销，具有良好的实际部署前景与扩展能力。

本发明授权一种面向物联网云边协同的个性化联邦学习方法在权利要求书中公布了：1.一种面向物联网云边协同的个性化联邦学习方法，其特征在于，包括如下步骤： S1、动态参数分解：各边缘设备收集在终端采集的数据作为本地训练集，为了在训练初期提供适合的起点，初始化全局模型并进行参数分解，通过损失滑动窗口的参数配置用于指定激活动态参数感知优化DynamicParameter-AwareOptimization,DPAO和启动参数分解的时机； S2、个性化训练：各客户端利用边缘设备收集的本地数据依据局部优化目标进行训练， 更新本地模型个性化参数； S3、在线重要性评分：基于客户端的共享参数的经验费希尔信息矩阵Fisher InformationMatrix,FIM，利用在线弹性权重整合方法持续估计每个共享参数的重要性 评分，从而避免为每个任务进行昂贵的重新计算； S4、优化路径敏感度：估计优化路径积分通过累积每次更新的贡献比例，在最近的训练 步骤中，通过滑动时间窗口测量的动态路径敏感度积分； S5、自适应加权聚合：在客户端每一轮本地更新中，通过步骤S3估计参数重要性评分 和步骤S4路径敏感度积分，构建动态重要性权重，提出一个基于学习轨迹的弹性正则化 项，以约束全局模型参数更新，并根据每个参数在上一轮全局任务中的重要性权重动态调 整下一轮的学习率； S6、参数评分更新：在服务器端引入“峰值-稳定”检测，在损失变化的稳定期更新服务 器端存储的客户端重要性权重相关参数，。

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。