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！

龙图腾网恭喜广州大学申请的专利基于权值散度和更新增量的联邦学习客户端调度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：CN115454608B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202211188095.5，技术领域涉及：G06F9/48；该发明授权基于权值散度和更新增量的联邦学习客户端调度方法是由陈淑红;揭智勇;王国军;杨家维;刘旭朗;吴建明设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本基于权值散度和更新增量的联邦学习客户端调度方法在说明书摘要公布了：本发明涉及客户端调度技术领域，且公开了基于权值散度和更新增量的联邦学习客户端调度方法，客户端通过图像增强技术对本地数据集进行扩充平衡，使客户端各自的数据分布达到全局平衡；客户端再分别使用各自的本地数据集作为输入训练全局模型，经过一定轮数迭代训练后，得到本地模型更新参数；每个客户端经过训练后，计算本地模型参数的权值散度、更新增量和训练损失，将各自的计算数据发送到服务器；服务器根据客户端发送的计算数据，选择模型权值散度小、更新增量小和模型训练损失大的客户端；服务器向这些客户端发送上传模型参数的请求；选定的客户端将相应的模型参数发送到服务器，服务器根据上传的模型参数进行聚合，得到新的全局模型参数。

本发明授权基于权值散度和更新增量的联邦学习客户端调度方法在权利要求书中公布了：1.基于权值散度和更新增量的联邦学习客户端调度方法，其特征在于，包括以下步骤：第一步：在模型评估之后，将模型部署到服务器上，并将其标识为全局模型，服务器将全局模型广播给所有参与联邦学习的客户端，同时客户端训练前，收集客户端本地数据分布情况，将其与全局模型一同发送到客户端中；第二步：客户端通过图像增强技术对本地数据集进行扩充平衡，使客户端各自的数据分布达到全局平衡；第三步：客户端再分别使用各自的本地数据集作为输入训练全局模型，经过一定轮数迭代训练后，得到本地模型更新参数；第四步：每个客户端经过训练后，计算本地模型参数的权值散度、更新增量和训练损失，将各自的计算数据发送到服务器；第五步：服务器根据客户端发送的计算数据，选择模型权值散度小、更新增量小和模型训练损失大的客户端，作为最终选定上传模型参数的客户端集合；第六步：服务器向这些客户端发送上传模型参数的请求；第七步：选定的客户端将相应的模型参数发送到服务器，服务器根据上传的模型参数进行聚合，得到新的全局模型参数，用于更新全局模型，迭代下一轮训练，直到全局模型收敛或符合需求。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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”。