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！

龍圖騰網恭喜南京信息工程大學申請的專利一種動態邊緣計算環境下的分層聯邦學習優化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：CN120017513B 。

龍圖騰網通過國家知識產權局官網在2025-06-20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：202510475312.6，技術領域涉及：H04L41/0894；該發明授權一種動態邊緣計算環境下的分層聯邦學習優化方法是由陳啟賢;許小龍;孫嘉陽;崔光明;吳金濤設計研發完成，并于2025-04-16向國家知識產權局提交的專利申請。

本一種動態邊緣計算環境下的分層聯邦學習優化方法在說明書摘要公布了：本發明提供了一種動態邊緣計算環境下的分層聯邦學習優化方法，包括：步驟1，通過動態聚類算法優化由終端設備和聚合節點組成的參與協同訓練的設備聚合拓撲，保持穩定設備關系的同時適應設備變化；所述終端設備包括智能手機、物聯網終端；所述節點包括邊緣服務器、網關；步驟2，基于歷史性能數據預測并推薦最優訓練頻率，實現資源感知的自適應訓練調度；步驟3，設備根據自身資源狀況動態調整訓練輪次，平衡訓練強度與時間效率；步驟4，建立分層超時容錯機制，在保證訓練連續性的同時處理異常設備狀況。本發明在動態的邊緣計算環境中，對分層模型訓練框架中的聚合結構和聚合頻率進行動態調整，提升了模型訓練的效率和精度。

本發明授權一種動態邊緣計算環境下的分層聯邦學習優化方法在權利要求書中公布了：1.一種動態邊緣計算環境下的分層聯邦學習優化方法，其特征在于，針對每一輪分層協同的分布式模型參數訓練與聚合，執行以下步驟：步驟1，通過動態聚類算法優化由終端設備和聚合節點組成的參與協同訓練的設備聚合拓撲，保持穩定設備關系的同時適應設備變化；所述終端設備包括智能手機、物聯網終端；所述節點包括邊緣服務器、網關；步驟2，基于歷史性能數據預測并推薦最優訓練頻率，實現資源感知的自適應訓練調度；步驟3，設備根據自身資源狀況動態調整訓練輪次，平衡訓練強度與時間效率；步驟4，建立分層超時容錯機制，在保證訓練連續性的同時處理異常設備狀況；步驟1包括：步驟1-1，基于動態聚類算法優化設備聚合拓撲，按預訓練精度和通信延遲最小化原則對邊緣設備進行聚類劃分；所述動態聚類算法包括以下步驟：計算設備間預訓練精度差異與通信延遲；以最小化聚類內通信延遲總和為目標選擇中心節點；優先將新設備分配至預訓練精度差異優化量最大的聚類；選擇聚合不同設備的公式為： 其中是第h層的第j個聚類，h∈[0,H-1]，j∈[1,N]，中包含節點，在中的節點的共同的聚合節點為是中心節點；N是指包含的邊緣設備數，和分別是第i個設備在第h層的節點表示和第k個設備在第h層的節點表示；H是聚合結構的總層數，是指和的通信距離，acci是指第i個設備的預訓練精度，是指第h層的第j個聚類的平均預訓練精度，λ是指權重系數；步驟1-2，在每輪訓練結束后、下一輪訓練開始前，動態調整聚合結構：當第r輪訓練完成且根聚合節點將訓練得到的模型參數發送至負責協調訓練流程的中心管理單元的控制節點后，控制節點比較第r+1輪與第r輪的設備集合：如果設備無變化，則保持聚合結構Sr不變；否則，統計退出設備集合{Vout}和新加入設備集合{Vin}，并基于如下公式生成下一輪聚合結構Sr+1： 其中Sr表示第r輪訓練的樹形結構；步驟1-3，刪除離開設備的聚合結構：對于離開設備Vi，獲取設備Vi在聚合結構Sr+1中的最高出現層hmax，如果hmax＝0，則直接移除設備Vi在第0層的節點如果hmax≥1，則從第0層至第hmax層，將設備Vi在h層對應節點表示標記為emptyi，并更新相關聚類中心節點；emptyi表示設備Vi刪除后產生的空缺標記；步驟1-4，增添新加入設備的聚合結構：對于新加入設備Vq，遍歷第0層所有聚類計算設備Vq加入各聚類后對聚類平均預訓練精度的優化增益deltaj，并選擇增益最大的聚類進行加入，如果存在聚類為空，p∈[1,N]，則的平均預訓練精度設為0或負值；步驟1-5，補充空缺聚合節點的聚合結構調整方法：自底向上逐層檢測空缺聚合節點emptyi，如果聚類的中心節點為空缺狀態，則基于動態聚類算法重新選擇中心設備Vk，并同步更新各層關聯節點。

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南京信息工程大學，其通訊地址為：211899 江蘇省南京市江北新區華富路1號數智溪谷4號樓；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”。