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！

龙图腾网恭喜南京理工大学申请的专利一种基于可解释机器学习的联邦学习中用户权重分配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：CN115062775B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210736425.3，技术领域涉及：G06N3/098；该发明授权一种基于可解释机器学习的联邦学习中用户权重分配方法是由李骏;孙海洋;韦康设计研发完成，并于2022-06-27向国家知识产权局提交的专利申请。

本一种基于可解释机器学习的联邦学习中用户权重分配方法在说明书摘要公布了：本发明公开了一种基于可解释机器学习分配联邦学习中用户权重的方法，具体为：各个用户端首先接受服务器端随机初始化的模型，使用本地数据集并用随机梯度下降的方法进行训练，完成本地训练后将模型上传至服务器端；服务器端接收到用户端上传的本地模型后，对每个模型进行局部解释，并将每个模型解释的结果与上一轮的全局模型的解释结果进行相似度比较，根据相似度的高低分配每个用户端模型参与聚合的权重，并将聚合后的模型作为全局模型下发给每个用户端，每个用户端继续进行本地训练；服务器端持续接受下一轮的本地模型，聚合再下发给用户端训练直至全局模型收敛。本发明能够加快全局模型的收敛速度，并且提升全局模型的测试精度。

本发明授权一种基于可解释机器学习的联邦学习中用户权重分配方法在权利要求书中公布了：1.一种基于可解释机器学习的联邦学习中用户权重分配方法，其特征在于，包括：步骤1、服务器端随机初始化全局模型参数，并下发给每个用户，初始化训练次数n＝1，开始联邦学习；步骤2、每个用户基于本地数据集，采用本地随机梯度下降的方法不断更新从服务器端接收到的全局模型的参数，判断训练次数是否达到阈值：当训练次数n达到预定的本地训练次数时，将本地训练后的全局模型参数上传到服务器端，并转入步骤3；当训练次数n没有达到预定的本地训练次数时，服务器端的全局模型预测精度低于要求，服务器端与用户通信，接受用户上传的全局模型并将全局模型参数进行聚合，服务器端将聚合后的全局模型参数加权平均，用于更新服务器端的全局模型参数，并转入步骤5；步骤3、服务器端的全局模型预测精度达到要求，用服务器端的数据对每个用户上传的本地全局模型和上一次训练的全局模型分别用可解释机器学习中的IntergratedGradients方法作局部解释：以输入样本为导向，分析输入样本的每一维特征对全局模型最终决策结果的贡献；步骤4、根据步骤3中的每个用户对应全局模型解释结果和上一轮全局模型解释结果，得到两个张量矩阵，计算两个张量矩阵的余弦相似度，根据步骤3中局部解释可视化的结果和相似度的大小筛选出不满足要求的步骤3中每个用户上传的全局模型，在聚合时根据相似度的大小来分配每个用户对应全局模型聚合的权重，并更新全局模型；步骤5、服务器端将步骤2或步骤4得到的全局模型下发给每个用户；步骤6、每个用户收到步骤5下发的全局模型后，判断训练次数是否达到阈值：如果训练次数n没有达到预定的本地训练次数时，训练次数加1后返回步骤2，继续使用本地数据集通过本地随机梯度下降的方法不断更新全局模型的精度；如果训练次数n达到预定的本地训练次数时，则判断全局模型是否收敛，如果否，则返回步骤1，直至全局模型收敛。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。