恭喜北京邮电大学徐梦炜获国家专利权
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！
龙图腾网恭喜北京邮电大学申请的专利一种低精度整型表示下的联邦学习方法及系统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：CN114611689B 。
龙图腾网通过国家知识产权局官网在2025-04-04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：202210100881.9，技术领域涉及：G06N3/098；该发明授权一种低精度整型表示下的联邦学习方法及系统是由徐梦炜;袁进良;周傲;马骁;孙其博;王尚广设计研发完成，并于2022-01-27向国家知识产权局提交的专利申请。
本一种低精度整型表示下的联邦学习方法及系统在说明书摘要公布了：本发明提供了一种低精度整型表示下的联邦学习方法，包括：服务器对全局浮点数模型进行初始化，并选择终端；将全局浮点数模型量化为整型的全局整型模型；服务器将全局整型模型发送至终端；终端利用训练数据对获取的全局整型模型进行训练，得到整型的低精度模型；终端将低精度模型传输至服务器；服务器对全局整型模型以及低精度模型反量化，利用反量化后的全局整型模型以及反量化后的低精度模型更新全局浮点数模型；重复上述初始化之后的步骤直至所述全局浮点数模型收敛或达到预设的训练次数；本发明通过设计一个全整型表示的神经网络训练算法解决终端浮点数运算的能耗问题并通过设计一个低精度模型聚合算法解决低精度联邦学习的精度问题。
本发明授权一种低精度整型表示下的联邦学习方法及系统在权利要求书中公布了：1.一种低精度整型表示下的联邦学习方法，其特征在于，包括以下步骤：S1，服务器对全局浮点数模型及其训练进行初始化，并选择至少一个终端；S2，将所述全局浮点数模型量化为低精度的全局整型模型；S3，所述服务器将所述全局整型模型发送至所述终端；S4，所述终端获取所述全局整型模型，并利用训练数据对获取的所述全局整型模型进行训练，得到整型的低精度模型；S5，所述终端将所述低精度模型传输至所述服务器；S6，所述服务器对所述全局整型模型以及所述低精度模型进行反量化，利用反量化后的全局整型模型以及反量化后的低精度模型更新所述全局浮点数模型；以及S7，重复步骤S2至S6，直至所述全局浮点数模型收敛或达到预设的训练次数。
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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号