買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網獲悉東南大學申請的專利基于個性化聯(lián)邦學習的語義通信方法、系統(tǒng)及設備獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN120378929B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510857497.7，技術領域涉及：H04W24/06；該發(fā)明授權基于個性化聯(lián)邦學習的語義通信方法、系統(tǒng)及設備是由宋鐵成;金祝;鄧豪;馬天浩;胡靜;夏瑋瑋;燕鋒;沈連豐設計研發(fā)完成，并于2025-06-25向國家知識產權局提交的專利申請。

本基于個性化聯(lián)邦學習的語義通信方法、系統(tǒng)及設備在說明書摘要公布了：本發(fā)明公開了一種基于個性化聯(lián)邦學習的語義通信方法、系統(tǒng)及設備，方法包括：構建多車輛用戶的聯(lián)邦語義通信場景；構建基于語義感知矢量量化變分自編碼的語義通信模型；將構建的語義通信模型部署在所有車輛用戶本地，并初始化模型參數；構建聚合網絡，包括超網絡和平均聚合網絡，超網絡用于為每個車輛用戶的本地語義編碼器和語義解碼器生成個性化參數；平均聚合網絡用于更新各車輛用戶本地語義通信模型中除了自注意力層之外的參數；以全局損失函數最小為總體優(yōu)化目標，構建個性化聯(lián)邦語義通信模型；采用聯(lián)合訓練方法訓練個性化聯(lián)邦語義通信模型。本發(fā)明方法對不同的信道條件具有優(yōu)越的適應性，而且能夠解決用戶間的不同構問題。

本發(fā)明授權基于個性化聯(lián)邦學習的語義通信方法、系統(tǒng)及設備在權利要求書中公布了：1.基于個性化聯(lián)邦學習的語義通信方法，其特征在于，包括以下步驟： 構建多車輛用戶的聯(lián)邦語義通信場景； 構建基于語義感知矢量量化變分自編碼器的語義通信模型，包括語義編碼器、離散碼本和語義解碼器，語義編碼器對輸入圖像進行壓縮和編碼得到特征向量，離散碼本將特征向量映射得到離散的特征索引，語義解碼器將離散的特征索引恢復成特征向量并執(zhí)行下游語義任務； 將構建的語義通信模型部署在所有車輛用戶本地，并初始化模型參數； 構建聚合網絡，包括超網絡和平均聚合網絡，超網絡用于為每個車輛用戶生成本地語義通信模型的自注意力層的個性化參數；平均聚合網絡用于更新各車輛用戶本地語義通信模型中除了自注意力層之外的全局共享參數； 構建全局損失函數并將最小化全局損失函數作為優(yōu)化目標，全局損失函數為所有本地語義通信模型損失的加權平均與超網絡的損失和； 采用本地語義通信模型和聚合網絡聯(lián)合訓練方法訓練得到最優(yōu)的個性化語義通信模型，實現(xiàn)基于個性化聯(lián)邦學習的語義通信；包括： （1）超網絡根據車輛用戶的索引為每個車輛用戶生成初始化的本地語義通信模型參數； （2）每個車輛用戶在初始化的本地模型參數的基礎上，利用本地數據進行本地訓練，并更新本地語義通信模型參數； （3）根據車輛用戶的本地語義通信模型初始化的參數，以及車輛用戶的本地語義通信模型在個輪次本地訓練后的參數，計算本地語義通信模型中自注意力層的參數變化量； （4）將所有本地語義通信模型的參數變化量和除自注意力層外的參數上傳到邊緣服務器進行聚合； （5）基于車輛用戶的本地語義通信模型的參數關于超網絡的參數的梯度，以及本地語義通信模型中自注意力層的參數變化量，計算超網絡的損失關于超網絡的參數的梯度： （6）使用自適應矩估計方法更新超網絡的參數； （7）使用更新后的超網絡生成每個車輛用戶的自注意力層參數，然后使用加權平均函數生成更新后的其他參數： （8）將自注意力層參數和其他參數分發(fā)到所有的車輛用戶，進行下一個大輪次的訓練； （9）重復執(zhí)行步驟（2）至步驟（8），直到達到設定的訓練次數，獲得全局的近似最優(yōu)解，生成個性化語義通信模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人東南大學，其通訊地址為：211189 江蘇省南京市江寧區(qū)東南大學路2號；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。