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！

摘要：本发明公开了一种基于稳定特征原型的联邦类别增量学习建模方法，该方法在云边协同场景下实现，针对边缘设备数据类别增量时模型的灾难性遗忘问题，在边端建立类别样本记忆库存储类别代表性样本，采用基于回放范式的原型网络更新策略进行边端本地更新；针对多边端云边协同建模时灾难性遗忘的扩散问题，在云端采用以统一特征空间下的特征原型为参考基准的加权聚合策略，在联邦框架下稳定优化特征空间，实现类别知识的联邦更新。本发明在保护数据隐私的情况下，解决了边端类别增量时的协同建模问题，可以有效缓解灾难性遗忘，在模型准确性和训练稳定性方面具有优越性。

主权项：1.一种基于稳定特征原型的联邦类别增量学习建模方法，在云边协同场景下实现，其特征在于，所述云边协同场景包含C个边端和一个云端，其中，每个边端包含不断增长的已见类别集合随任务t变化的数据集一组类别记忆库和一个原型网络fφ,i·，其中i表示第i个边端，φ表示原型网络的参数，数据集和类别记忆库中的每个样本用x,y表示，y表示样本x对应的类别标签，所述数据集为彩色图像数据集；云端聚合每个任务后各边端更新后的原型网络；所述方法包括以下步骤：1对每个边端预设的原型网络的权重参数进行随机初始化；2对各个边端本地的类别记忆库进行动态更新，以获取更新后的类别记忆库基于更新后的类别记忆库采用基于回放范式的原型网络更新策略对各个边端本地的原型网络进行更新，以获取更新后的原型网络将当前任务t的数据集和类别记忆库均输入至更新前和更新后的原型网络，得到旧类别特征原型组和新类别特征原型组3根据旧类别特征原型组和新类别特征原型组在云端计算全局原型间隔和本地原型间隔；根据全局原型间隔和本地原型间隔计算各边端在云端的聚合权重，根据边端的聚合权重加权聚合各边端的原型网络，得到模型校准后的全局模型，并将其下发给各边端；4步骤2和步骤3交替进行，直至达到预设的训练轮次；5协同优化完成后，将边端最终接收到的全局模型作为最终的原型网络，边端使用本地类别记忆库中的数据输入至最终的原型网络，得到各类别特征，计算其均值作为类别特征原型进行分类任务。

全文数据：

权利要求：

百度查询： 浙江浙能电力股份有限公司萧山发电厂 浙江大学 浙江浙能数字科技有限公司 一种基于稳定特征原型的联邦类别增量学习建模方法