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！

龙图腾网恭喜西北工业大学申请的专利一种具有漂移修正和收敛加速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：CN117217329B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202311170375.8，技术领域涉及：G06N20/00；该发明授权一种具有漂移修正和收敛加速的联邦学习方法是由蒋雯;杨季皓;聂来森设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本一种具有漂移修正和收敛加速的联邦学习方法在说明书摘要公布了：本发明公开了一种具有漂移修正和收敛加速的联邦学习方法，包括以下步骤：构建包括一个中央服务器和多个客户端的联邦学习系统，中央服务器每次选择部分活动客户端并下发模型；被选中的客户端利用本地数据对模型进行训练，在训练后对本地漂移变量和全局漂移变量进行更新，并将训练后的模型参数上传至中央服务器；中央服务器利用服务器端的漂移变量对更新后的本地模型参数进行联邦聚合，并将聚合更新后的本地模型下发至活动客户端进行下一轮本地训练。本发明将漂移变量分解为本地漂移变量和全局漂移变量并对它们进行分别更新，同时在不需要传输额外变量的情况下获得了更加准确的修正模型参数，从而有效提升模型的性能，加速模型的收敛，显著降低通信开销。

本发明授权一种具有漂移修正和收敛加速的联邦学习方法在权利要求书中公布了：1.一种具有漂移修正和收敛加速的联邦学习方法，其特征在于，包括以下步骤：步骤一、构建包括一个中央服务器和N个客户端的典型联邦学习系统：步骤101、意图参与联邦训练客户端向中央服务器发起注册，中央服务器为该客户端分配存储空间用于存储模型参数；步骤102、在第t个通信回合，中央服务器以概率ε选择部分活动客户端子集St，并将全局模型wt下发给St内所有的S个客户端；步骤二、被选中的客户端利用本地数据对模型进行训练，在训练后对本地漂移变量和全局漂移变量进行更新，并将训练后的模型参数上传至中央服务器：步骤201、本地客户端i∈St采用随机梯度下降法对模型进行K次本地更新，即： 其中，是本地损失函数，是经典的交叉熵损失，和分别是本地漂移变量和全局漂移变量，α和β分别是漂移变量近端项和全局参数修正项的权重系数，η是学习率；步骤202、客户端在训练后对本地漂移变量和全局漂移变量进行更新，步骤如下： 其中，t′是该客户端上一次参与训练时的通信回合数，λ是全局漂移变量更新时的权重系数；步骤203、客户端将更新后的本地模型上传至中央服务器；步骤三、中央服务器利用服务器端的漂移变量对更新后的本地模型参数进行联邦聚合，并将聚合更新后的本地模型下发至活动客户端进行下一轮本地训练；步骤301、中央服务器对接收到的本地模型进行平均，即： 步骤302、中央服务器利用平均模型参数更新服务器端的漂移变量，即： 其中，ht是第t个通信回合服务器端的漂移变量；步骤303、中央服务器利用服务器端的漂移变量更新全局模型，并将更新后的全局模型下发给活动客户端子集St+1，即： 步骤四、在中央服务器与客户端通信T个回合后，输出最终模型：步骤401、中央服务器与客户端通信T个回合后，利用存储在中央服务器上的所有客户端的本地模型参数，计算得到此次训练的最终模型w*，即：。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。