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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于联邦学习的交通推荐系统分布式训练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：CN119067202B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202411566650.2，技术领域涉及：G06N3/098；该发明授权一种基于联邦学习的交通推荐系统分布式训练方法是由程勇;胡宇昊;许小龙;王军;杨玲设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种基于联邦学习的交通推荐系统分布式训练方法在说明书摘要公布了：本发明公开了边缘计算技术领域的一种基于联邦学习的交通推荐系统分布式训练方法，包括：步骤A：生成车辆上本地数据样本的标签分布、特征分布以及本地模型参数；步骤B：边缘服务器基于各车辆上本地数据样本的标签分布的相似性和特征分布的相似性为每个车辆选择合作者，并将当前全局更新中合作者最新的本地模型参数发送给对应的车辆；步骤C：为每个车辆计算各合作者的聚合权重，进行聚合得到全局更新后的本地模型参数，并对全局更新后的本地模型进行本地训练，生成新的本地模型参数和车辆上本地数据样本的特征分布，并上传至边缘服务器，为参与下一轮全局更新的各个车辆更新合作者；步骤D：重复步骤B至步骤C，直至全局损失函数收敛。

本发明授权一种基于联邦学习的交通推荐系统分布式训练方法在权利要求书中公布了：1.一种基于联邦学习的交通推荐系统分布式训练方法，其特征在于，所述方法包括：基于由具备异质数据样本的车辆与边缘服务器构成的端-边协同的车联网系统下，各边缘服务器分别与各预设区域一一对应，针对预设区域中各车辆上交通推荐系统对应的深度学习模型训练任务，端-边协同的车联网系统执行以下步骤：步骤A：针对每个车辆，利用香农熵生成车辆上本地数据样本的标签分布，利用车辆上本地数据样本对初始本地模型进行本地训练，获取训练后得到的本地模型参数以及本地模型最后一个卷积层输出的所有特征图；根据特征图利用稀疏度向量生成车辆上本地数据样本的特征分布；并将车辆上本地数据样本的标签分布、特征分布和本地模型参数上传给对应的边缘服务器；步骤B：边缘服务器获取对应区域内各车辆上本地数据样本的标签分布和特征分布，基于各车辆上本地数据样本的标签分布的相似性和特征分布的相似性为每个车辆选择合作者，并将当前全局更新中合作者最新的本地模型参数发送给对应的车辆；步骤C：针对每个车辆，获取当前全局更新中合作者最新的本地模型参数，计算各合作者的聚合权重，根据该车辆的本地模型参数、所有合作者的最新的本地模型参数和聚合权重进行聚合得到全局更新后的本地模型参数，并利用车辆上本地数据样本对全局更新后的本地模型进行本地训练，获取训练后得到的本地模型参数以及本地模型最后一个卷积层输出的所有特征图，根据特征图利用稀疏度向量生成车辆上本地数据样本的特征分布；并将该车辆上本地数据样本的特征分布和本地模型参数上传至边缘服务器进行更新；步骤D：重复步骤B至步骤C，直至全局损失函数收敛；步骤C中，计算各合作者的聚合权重，包括：利用聚合权重的近似计算公式计算车辆的所有合作者对应的聚合权重，再对计算得到的车辆的所有合作者对应的聚合权重进行归一化处理，作为最终的各合作者对应的聚合权重；其中聚合权重的近似计算公式为： ；式中，是计算所得的进行归一化之前的聚合权重，是全局更新的学习率，是车辆在第轮全局更新中利用本地数据样本进行预测所得到的损失；是合作者在第轮全局更新中利用车辆上本地数据样本进行预测所得到的损失，为车辆在第轮全局更新中的合作者数量，为车辆在第轮全局更新前的本地模型参数，为车辆在第轮全局更新中利用本地数据样本进行预测所得到的损失； ；式中，为第轮全局更新中车辆的合作者对应的聚合权重；表示如果聚合权重的值为负数，则相应合作者的本地模型参数将不会参与本次聚合。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。