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！

龙图腾网恭喜湖南科技大学申请的专利一种基于张量填充的遍历式联邦学习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：CN119721187B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202510217551.1，技术领域涉及：G06N3/098；该发明授权一种基于张量填充的遍历式联邦学习方法及系统是由陈宇翔;梁沧溟;梁伟;何大成;李冠憬;陈林书;文吉刚设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于张量填充的遍历式联邦学习方法及系统在说明书摘要公布了：本发明公开了一种基于张量填充的遍历式联邦学习方法及系统，包括：基于设备位宽对相应梯度进行分层张量建模；在服务器端将不同梯度中同一模型层的参数归类，将各层分别建模为一个张量；基于张量填充技术将位宽恢复组件中张量对应的不同位宽梯度进行对齐，并对所有梯度进行加权聚合，基于聚合后的权重生成新的全局模型；通过遍历窗口机制，在服务器和客户端中，选取全局模型的不同层进行每一轮训练，使全局模型在低容量设备中均匀训练，直到全局模型收敛。本发明通过结合张量填充和基于遍历的部分模型训练技术，利用张量分解和重构技术迭代恢复模型参数的精度，并采用遍历分层的方式适应不同设备的能力，确保资源受限的客户端也能均衡参与训练。

本发明授权一种基于张量填充的遍历式联邦学习方法及系统在权利要求书中公布了：1.一种基于张量填充的遍历式联邦学习方法，其特征在于，包括：将位宽恢复组件与模型分割组件部署在服务器端；基于设备位宽对相应梯度进行分层张量建模；在服务器端将不同梯度中同一模型层的参数归类，将各层分别建模为一个张量；基于张量填充技术将位宽恢复组件中张量对应的不同位宽梯度进行对齐，并对所有梯度进行加权聚合，基于聚合后的权重生成新的全局模型；基于模型分割组件，构建遍历窗口机制分割模型，通过遍历窗口机制，在服务器和客户端中，选取全局模型的不同层进行每一轮训练，使全局模型在低容量设备中均匀训练，直到全局模型收敛；所述基于设备位宽对相应梯度进行分层张量建模，具体为：确定需要进行基于位宽的张量建模的神经网络的模型层；基于所确定的模型层，识别参与训练的设备所支持的不同数据位宽，并据此确定张量的位宽维度；将每个设备在该层次上训练的模型参数根据其位宽映射到张量中对应的位置；同一位宽下的所有设备参数聚合形成一个子张量或元素集合；参数位宽映射是针对神经网络的每一层独立进行的，以确保张量能够准确反映该层上不同位宽设备间的参数差异；所述基于模型分割组件，构建遍历窗口机制分割模型，通过遍历窗口机制，在服务器和客户端中，选取全局模型的不同层进行每一轮训练，使全局模型在低容量设备中均匀训练，直到全局模型收敛，具体为：在联邦学习的每一轮训练中，服务器利用遍历窗口从全局模型中提取不同容量的子模型，并分别广播给具有相应计算能力的客户端；客户端根据本地数据训练接收到的子模型，并将它们的异构子模型的更新梯度传输给服务器；服务器汇总更新梯度，并用于更新下一轮的全局模型；遍历窗口在每一轮中前进，并在不同的轮次中依次循环全局模型的所有部分；这一过程不断迭代，直到全局模型在多次训练后达到均匀训练的状态，直至收敛。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；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”。