買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京理工大學申請的專利基于聯(lián)邦學習及均值迭代的機器學習模型壓縮方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114202077B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111610294.6，技術(shù)領(lǐng)域涉及：G06N20/00；該發(fā)明授權(quán)基于聯(lián)邦學習及均值迭代的機器學習模型壓縮方法是由廖杰;馬川;錢玉文;李駿;韋康設(shè)計研發(fā)完成，并于2021-12-27向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于聯(lián)邦學習及均值迭代的機器學習模型壓縮方法在說明書摘要公布了：本發(fā)明公開了一種基于聯(lián)邦學習及均值迭代的機器學習模型壓縮方法，包括以下步驟：用戶在本地端進行聯(lián)邦學習獲取本次的機器學習模型；針對用戶進行聯(lián)邦學習得到的機器學習模型，使用均值迭代模型壓縮算法壓縮；將壓縮后的機器學習模型上傳到中心服務(wù)器，對壓縮后的機器學習模型進行還原和模型聚合處理，對聚合后的機器學習模型進行精度檢測。本發(fā)明通過均值迭代壓縮算法來動態(tài)調(diào)整邊界和優(yōu)化值，獲得量化區(qū)間的最優(yōu)值和最佳邊界區(qū)間，進而在高壓縮率下，保證模型的收斂和模型的精度。

本發(fā)明授權(quán)基于聯(lián)邦學習及均值迭代的機器學習模型壓縮方法在權(quán)利要求書中公布了：1.一種基于聯(lián)邦學習及均值迭代的機器學習模型壓縮方法，其特征在于，包括以下步驟：步驟1、用戶在本地端進行聯(lián)邦學習獲取本次的機器學習模型，表示為gi；步驟2、針對用戶進行聯(lián)邦學習得到的機器學習模型，使用均值迭代模型壓縮算法壓縮，具體如下：步驟21、設(shè)置量化等級M,同時將用戶訓練好的模型gi，整理為一個由小到大排序好的、模型長度為L的鍵值對序列，公式表示為：gsort_i＝{θ1,θ2,......θL-1,θL}gkeys_i＝{key1,key2,......,keyL-1,keyL}其中,gsort_i表示用戶i整理后的模型，{θ1,θ2,......θL-1,θL}表示的是用戶gsort_i模型內(nèi)部排序后的參數(shù)；gkeys_i表示用戶i整理后的索引序列；{key1,key2,......,keyL-1,keyL}表示用戶排序后的索引值；為了在最后傳輸量化后的二進制編碼，定義一個長度為L的量化編碼序列，數(shù)學公式表示為：Codei＝{c1,c1,......,cL-1,cL}，其中Codei表示的是的編碼后的模型，{c1,c1,......,cL-1,cL}表示的是用戶i模型參數(shù)對應的二進制編碼值；步驟22、設(shè)置邊界值樣本個數(shù)K，滿足條件K＝M+1,初始狀態(tài)下，隨機給定的K個邊界值，數(shù)學表示為：Di＝{d1,d2,......,dK-1,dK},初始邊界值滿足：θ1＝d1＜d2,......,dK-1＜dK＝θL；邊界內(nèi)部設(shè)置量化編碼值的個數(shù)為M個，數(shù)學表示為:Codedi＝{v1,v2,......,vM-1,vM}，其中Codedi表示的是用戶i的量化編碼值；步驟23、求出每個相鄰邊界內(nèi)部模型參數(shù)的均值，均值作為本次迭代更新的量化編碼值，同時對Codei的編碼模型進行量化編碼，計算出每一個編碼值對應的誤差和Qerr＝{err1,err2,.....,errM-1,errM},求解過程如下： … 其中，vM表示量化的編碼值，LenθL表示在約束條件dM≤θL≤dM+1時的參數(shù)個數(shù)，cL表示的二進制編碼，errM表示每個邊界的誤差和，dM≤θL≤dM+1是參數(shù)θL的約束條件；步驟24、計算本次模型的量化誤差總和Qall,數(shù)學表示為：Qall＝∑errm,m＝1,2,......,M步驟25、通過量化編碼值更新邊界值，數(shù)學表示為： 根據(jù)上述步驟求解出本次的量化誤差Qall；重復步驟23～步驟25步，計算得到下次的量化誤差Qnext：如果誤差不相等，則進行迭代操作，重復步驟23～步驟25步；如果相等那么已經(jīng)求解到最優(yōu)解，由gkeys_i＝{key1,key2,......,keyL-1,keyL}和Codei＝{c1,c2,......,cL-1,cL}，求解原始模型排序的模型二進制編碼Codeorig_i＝{s1,s2,......,sL-1,sL}，輸出模型二進制編碼Codeorig_i＝{s1,s2,......,sL-1,sL}和量化編碼值Codedi＝{v1,v2,......,vM-1,vM}；步驟3、將壓縮后的機器學習模型上傳到中心服務(wù)器，對壓縮后的機器學習模型進行還原和模型聚合處理，對聚合后的機器學習模型進行精度檢測。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京理工大學，其通訊地址為：210094 江蘇省南京市玄武區(qū)孝陵衛(wèi)200號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。