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！

龙图腾网恭喜浙江大学申请的专利一种用于最小-最大化问题的跨设备联邦学习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：CN114330743B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202111597238.3，技术领域涉及：G06N20/00；该发明授权一种用于最小-最大化问题的跨设备联邦学习方法是由张超;谢嘉豪;柳伟杰;白文松;钱徽设计研发完成，并于2021-12-24向国家知识产权局提交的专利申请。

本一种用于最小-最大化问题的跨设备联邦学习方法在说明书摘要公布了：本发明公开了一种用于最小‑最大化问题的跨设备联邦学习方法，属于联邦学习技术领域。包括：中心服务器初始化模型参数中的主变量和对偶变量，以及迭代轮数；中心服务器选择一个客户端子集，将模型参数发送至每个客户端；客户端子集中的每个客户端计算本地梯度估计量；中心服务器接收客户端返回的本地梯度估计量，计算全局梯度估计量；中心服务器选择另一个客户端子集，将模型参数和全局梯度估计量发送至每个客户端，客户端对模型参数进行K步的本地更新，并将最终的本地模型参数发送给中心服务器；中心服务器接收到客户端返回的本地模型参数后，计算新的全局模型参数，迭代计算，直至输出最终参数。

本发明授权一种用于最小-最大化问题的跨设备联邦学习方法在权利要求书中公布了：1.一种用于最小-最大化问题的跨设备联邦学习方法，其特征在于，包括以下步骤：步骤一，中心服务器初始化模型参数中的主变量和对偶变量并且设x0＝x-1,y0＝y-1，以及迭代轮数t＝0，其中和分别表示主变量和对偶变量的可行域；步骤二，中心服务器选择一个客户端子集将模型参数{xr,yt,xr-1,yt-1}发送至中的每个客户端；其中，xt,yt表示t轮迭代的主变量和对偶变量；步骤三，中的每个客户端计算本地梯度估计量并发送至中心服务器，在t＝0时，本地梯度估计量为其中fi和分别表示客户端i的本地目标函数及其梯度，αt为[0,1]区间上的一个超参数；步骤四，中心服务器接收中的每个客户端返回的本地梯度估计量；步骤五，中心服务器计算全局梯度估计量ut,vt；所述的步骤五具体为：若迭代轮数t＝0，中心服务器计算全局梯度的小批估计量： 其中，和分别表示fi对主变量和对偶变量的偏导数；若迭代轮数0＜t≤T，中心服务器计算基于动量的降方差全局梯度估计量： 其中，T表示预设的总迭代轮数；步骤六，中心服务器选择另一个客户端子集将模型参数xt,yt和全局梯度估计量ut,vt发送至中的每个客户端；步骤七，中的每个客户端对模型参数进行K步的本地更新，并将最终的本地模型参数发送给中心服务器；步骤八，中心服务器接收中的每个客户端返回的本地模型参数；步骤九，中心服务器计算新的全局模型参数： 其中，S表示客户端子集中的客户端数量；步骤十，中心服务器计算t＝t+1；若tT，重复步骤二至步骤十；否则输出模型参数xT,yT。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。