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

龍圖騰網恭喜重慶郵電大學申請的專利一種面向異構邊緣計算環境的分散聯邦學習方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116319368B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310033009.1，技術領域涉及：H04L41/14；該發明授權一種面向異構邊緣計算環境的分散聯邦學習方法是由黃宏程;張楚麗;胡敏設計研發完成，并于2023-01-10向國家知識產權局提交的專利申請。

本一種面向異構邊緣計算環境的分散聯邦學習方法在說明書摘要公布了：本發明涉及一種面向異構邊緣計算環境的分散聯邦學習方法，屬于大數據計算領域。該方法包括以下步驟：在聯邦學習系統中，邊緣節點初始化自己的模型；邊緣節點根據本身的通信速率和計算能力計算通信成本函數，該成本函數表示邊緣節點之間的匹配程度；節點基于貪婪算法選擇成本函數較小的相鄰節點作為匹配集；對于每個邊緣節點，基于梯度和權重衡量邊緣節點模型間的相似性，使用MonteCarlo方法進行從匹配集中選擇鄰居；節點從鄰居處接收權重和更新模型，基于得到的數據，通過共識得到聚合模型；節點通過聚合模型，計算梯度下降，更新模型，并發給鄰居。本發明使得具有相似數據分布的邊緣節點協同訓練模型，以節省額外的計算和通信延遲。

本發明授權一種面向異構邊緣計算環境的分散聯邦學習方法在權利要求書中公布了：1.一種面向異構邊緣計算環境的分散聯邦學習方法，其特征在于：該方法包括以下步驟：步驟1：在聯邦學習系統中，邊緣節點初始化自己的模型；步驟2：邊緣節點根據本身的通信速率和計算能力計算通信成本函數，該成本函數表示邊緣節點之間的匹配程度；節點基于貪婪算法選擇成本函數小的相鄰節點作為匹配集；步驟3：對于每個邊緣節點，基于梯度和權重衡量邊緣節點模型間的相似性，使用MonteCarlo方法進行從匹配集中選擇鄰居，即將上一輪中的鄰居與當前隨機抽樣的相鄰節點一起放進候選列表，從候選列表中選擇相似度最大的前k名候選節點作為當前輪鄰居；邊緣節點在t0時刻初始化模型W0,k；節點之間的通信速率用R表示，計算能力用CPU頻率f表示；為確定客戶端之間的開銷，采用以下策略：Cij＝1Rij+μfi-fj2其中Cij表示節點i和j之間的連接開銷，表明它們的交流狀態和計算能力的差異；節點i和j之間的通信速率用變量Rij表示，頻率分別用fi和fj表示；該策略描述節點之間的匹配程度；C值低表明節點之間的通信速率更高，計算能力更接近；節點i為確定自己的匹配集ζi，采用基于貪婪的算法策略：Ci,kε×Cmin其中Cmin代表所有節點中最低的通信成本；當節點i和k的通信成本小于一定的閾值，則節點k屬于節點i的匹配集ζi；根據以上節點i的匹配集ζi，基于梯度和累積權重更新確定節點i的鄰居集；使用梯度g的余弦相似度來度量優化目標的一致性，函數表示為： 初始模型中積累的權重更新h表示歷史優化方向，而權重更新h的余弦相似度表示目標的一致性： 最終模型相似性通過Si,j度量： 使用MonteCarlo方法進行從匹配集中選擇鄰居，即將上一輪中的鄰居與當前隨機抽樣的相鄰節點一起放進候選列表，從候選列表中選擇相似度最大的前k名候選節點作為當前輪鄰居，即： 步驟4：節點從鄰居處接收權重和更新模型，基于得到的數據，通過共識得到聚合模型ψt,i；節點i在t輪通信中，從鄰居節點k處接收權重αi,k和更新模型Wt,k，基于得到的數據和本身的模型Wt,i，通過共識得到聚合模型ψt,i： 步驟5：節點通過聚合模型，計算梯度下降，更新模型，并發給鄰居；節點通過聚合模型ψt，k，計算梯度下降，更新模型Wt+1,i，并發給其他鄰居；

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶郵電大學，其通訊地址為：400065 重慶市南岸區黃桷埡崇文路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。