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！

龙图腾网恭喜上海大学申请的专利一种联邦主动学习模型训练方法及系统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：CN115049075B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202210702694.8，技术领域涉及：G06N20/00；该发明授权一种联邦主动学习模型训练方法及系统是由武星;裴洁;钱权设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本一种联邦主动学习模型训练方法及系统在说明书摘要公布了：本发明涉及一种联邦主动学习模型训练方法及系统，将联邦学习和主动学习结合在一起，在保护数据隐私的前提下能够充分利用各参与方的大量未标注数据进行模型的协同训练，在每个联邦学习训练轮次中，利用联邦学习得到的全局模型来指导本地对数据进行标注，提高标注效率，同时一定程度克服数据孤岛问题。针对主动学习挑选信息性样本方面基于损失预测和特征空间距离提出了混合采样策略，可以挑选出高质量样本，降低标注成本；减少样本标注成本来提高模型的精度和泛化性能。

本发明授权一种联邦主动学习模型训练方法及系统在权利要求书中公布了：1.一种联邦主动学习模型训练方法，其特征在于，包括如下步骤：1各个参与方并行地从本地未标注数据集中随机挑选一部分样本请专家进行标注，将标注后的数据样本从本地数据集移动到已标注数据集Dl中，剩下的未标注数据集为Du，与此同时中央服务器随机生成全局模型参数W下发到各个参与方；2各个参与方并行地从中央服务器接收全局模型参数W加载到本地模型，利用Dl对本地模型Wlocal进行训练，利用本地模型Wlocal中的特征嵌入作为输入，本地模型Wlocal的损失作为标签对损失预测模型Wloss进行训练，学习训练中更新模型参数；3各个参与方并行地利用训练后损失预测模型Wloss对Du中所有数据样本执行一次模型推理，得到当前所有未标注数据的预测损失值pl；4各个参与方并行地利用训练后本地模型Wlocal对Dl和Du中所有数据样本执行一次模型推理，抽取当前所有数据的潜在空间中的特征嵌入，并对所有已标注数据样本的特征嵌入进行平均计算得到其质心，接着计算得到所有未标注数据样本的特征嵌入到所有已标注数据样本的特征嵌入的质心的欧几里得距离dist；5各个参与方并行地利用步骤3、4得到的pl和dist加权计算每一个未标注数据样本的Rank值，根据Rank的大小降序排序，挑选出前b个样本由专家进行标注，并从Du移动到Dl；6各个参与方并行地上传训练更新后本地模型参数；7中央服务器接收各个参与方上传的本地模型参数利用模型聚合算法更新全局模型参数W并下发到各个参与方；8迭代训练，重复2至7，直到满足迭代次数，获得最终的本地标注数据集和数据识别本地模型Wlocal。

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上海大学，其通讯地址为：200436 上海市宝山区上大路99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”。