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！

龙图腾网恭喜东南大学申请的专利基于条件GAN的数据增广改善个性化联邦学习性能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：CN114913390B 。

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：202210486378.1，技术领域涉及：G06V10/774；该发明授权基于条件GAN的数据增广改善个性化联邦学习性能方法是由杨绿溪;李林育;张征明;李春国;黄永明设计研发完成，并于2022-05-06向国家知识产权局提交的专利申请。

本基于条件GAN的数据增广改善个性化联邦学习性能方法在说明书摘要公布了：本发明公开了一种基于条件GAN的数据增广改善个性化联邦学习性能方法，包括以下步骤，建立个性化联邦学习pFedMe模型；建立条件GAN模型，进而将其以个性化联邦学习的方式加入到pFdeMe模型中，得到基于条件GAN的pFedMe模型；获取CIFAR10数据集，并通过上述基于条件GAN的pFedMe模型，实现数据增广；得到基于条件GAN的数据增广方法在测试集上的准确率。通过本发明可以获取条件GAN有效提升个性化联邦学习性能的方式，对于使用条件GAN对模型进行数据增广具有实际价值。

本发明授权基于条件GAN的数据增广改善个性化联邦学习性能方法在权利要求书中公布了：1.基于条件GAN的数据增广改善个性化联邦学习性能方法，其特征在于：包括以下步骤，步骤1，建立用于个性化联邦学习的pFedMe模型；步骤2，将条件GAN模型按个性化联邦学习的方式加入到步骤1的pFedMe模型中；步骤3，获取CIFAR10数据集的训练集，将其通过步骤2中的基于条件GAN的pFedMe模型进行训练；步骤4，将CIFAR10数据集的测试集分别在未使用数据增广方法的原始pFedMe模型，即步骤1中的pFedMe模型，通过重复采样增广数据训练的模型和步骤3中的所提数据增广训练的pFedMe模型进行性能的对比分析；所述步骤1还包括以下步骤，步骤1-1，在传统的联邦学习中，有N个客户端与一个服务器通信，以解决以下问题： 来找到一个全局模型ω；函数fi：表示客户端i数据分布的期望损失函数： 其中，ξi是根据客户端i的分布抽取的随机数据样本，而是该样本和ω对应的损失函数；在联邦学习中，客户端具有非独立、非同分布的数据分布，即ξi和ξj的分布是不同的，其中j≠i；步骤1-2，在所考虑的联邦学习个性化问题中，优化目标并非获得上述步骤1-1中问题的最优解，而是希望能为具有不同数据分布的用户提供一个特定的模型；为此对每个客户端使用带有l2范数的正则化损失函数，如下所示： 其中，θi表示客户端i的个性化模型，λ是控制ω对个性化模型的强度的正则化参数；虽然λ取较大的值从丰富的数据聚合中使数据不可靠的客户受益，但λ取较小的值帮助拥有足够有用数据的客户优先个性化；注意λ∈0,∞以避免λ＝0，或λ＝∞的极端情况；上述正则化损失函数是让客户从不同的梯度方向约束自己的模型，同时保证用户本地的模型不会远离全局“参考点”ω；基于此，个性化的联邦学习的优化目标写为如下双层优化问题： 其中在pFedMe中，虽然全局模型ω是通过在外层利用来自多个客户端的数据聚合来找到的，但θi相对于客户端i的数据分布进行了优化，并在内部保持了与ω的有界距离；Fiω的定义是优化领域广泛采用的Moreau信封方法，它有助于多种学习算法设计；最优个性化模型是pFedMe内部问题的最佳解决方案，定义如下： 步骤1-3，类似于FedAvg的传统联邦学习算法，在每个通信回合t，服务器向所有客户端广播最新的全局模型ωt；然后，在所有客户端执行R次本地更新后，服务器将从客户端的均匀采样子集St中接收最新的本地模型进行模型平均；在内层优化中，每个客户端i求解步骤1-2中的最优个性化问题以获得其个性化模型其中，表示客户端i在全局回合t和本地回合r的本地模型；本地模型的目的是有助于构建一个全局模型，减少客户端和服务器之间的通信次数；其次，在外层优化中，客户端i使用梯度下降的本地更新是关于Fi的，如下所示： 其中，η是学习率，根据使用当前的个性化模型来计算； 得的通常需要梯度然而，这需要ξi的分布；通过对小批量数据Ti进行采样，使用如下对的无偏估计： 使得其次，使用一阶迭代方法来获得高精度的近似定义： 假设选择λ使得损失函数是强凸的，然后应用梯度下降来获得以至于： 计算次数其中，d是搜索空间的直径，v是准确度级别，Ο·是隐藏常数；进而通过控制使用小批量大小|T|采样噪声和准确度等级v来调整δ。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。