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

龍圖騰網獲悉浙江大學申請的專利一種混合分布式學習和集中式學習的邊緣智能方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115936109B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211367044.9，技術領域涉及：G06N3/098；該發明授權一種混合分布式學習和集中式學習的邊緣智能方法是由高智赫;陳曉明設計研發完成，并于2022-11-02向國家知識產權局提交的專利申請。

本一種混合分布式學習和集中式學習的邊緣智能方法在說明書摘要公布了：本發明公開了一種混合分布式學習和集中式學習的邊緣智能方法，涉及無線通信領域。其中，在每輪通信中，每個用戶將部分采集到的數據發送至邊緣服務器，同時被選中參與聯邦學習的部分用戶也會在本地進行學習模型訓練。在完成數據發送和本地模型訓練后，用空中計算方法將聚合后的聯邦學習模型發給邊緣服務器。邊緣服務器收到用戶數據和聚合模型后，通過使用用戶數據進行訓練生成集中學習的模型并與聯邦學習的模型混合后得到最終的全局模型。本發明為充分利用用戶終端采集的數據和邊緣計算服務器的強大計算能力提供了一種有效的混合分布式學習和集中式學習的方法。

本發明授權一種混合分布式學習和集中式學習的邊緣智能方法在權利要求書中公布了：1.一種混合分布式學習和集中式學習的邊緣智能方法，其特征在于，包括如下步驟： 1基于擁有K個用戶和一個邊緣服務器的邊緣智能系統，邊緣服務器通過信道估計，獲得第k個用戶的信道狀態信息獲得的信道狀態信息與真實的信道狀態信息之間有誤差，真實的信道狀態信息||ek||≤εk；其中，ek為信道誤差，εk為信道誤差的上界； 2每輪通信中，邊緣服務器根據獲得的信道狀態信息發送到邊緣服務器的用戶采集數據集大小|DC|以及每個用戶可用于聯邦學習的數據集大小|DF k|，為邊緣服務器設計接收波束z，為第k個用戶設計發射功率pk和選擇因子αk∈{0,1}，0代表不參與聯邦學習，1代表參與聯邦學習； 3每個用戶將本地的部分數據發送至邊緣服務器，發送的同時第k個用戶根據選擇因子αk，決定是否進行本地模型訓練；在本地訓練完成和本地數據發送完成后，邊緣服務器用接收到的用戶數據進行集中式學習，同時，滿足αk＝1的用戶以發射功率pk將本地訓練得到的模型參數wk發送至邊緣服務器，這些模型參數以空中計算方式進行聚合，邊緣服務器以設計好的接收波束z接收到聚合信號； 4邊緣服務器接收到聚合信號并完成集中式訓練后，對聯邦學習獲得的模型和集中學習獲得的模型進行加權平均，進而獲得最終的全局模型； 所述步驟2的每輪通信中，邊緣服務器接收波束、用戶發射功率和用戶選擇因子的設計方法具體如下： a初始化設備選擇向量α＝[α1,α2,…αK]T＝[1,1,…1]T，初始化發射功率pk＝Pmax2，Pmax為用戶最大發射功率； b全局模型的準確程度用期望模型與生成模型的損失函數間的均方誤差來表示，均方誤差其中w*是最優模型，F·是損失函數，訓練完成后獲得的全局模型 為上一輪產生的全局模型，為邊緣服務器獲得的聯邦學習模型，wC為基站集中學習產生的模型， 均方誤差的上邊界表示為： 其中 表示基站實際接收到聚合后的聯邦學習模型和理想的無誤差的聚合后的聯邦學習模型間的均方誤差，G2為損失函數梯度的均方上限，損失函數的Lipschitz常數為L且為λ強凸； 其中，為噪聲功率； 簡化后得到的上界 最小化通過最小化其上界來近似實現；建立優化問題： s.t.0≤pk≤Pmax,k＝1,2,…,K, αk∈{0,1},k＝1,2,…,K； c將優化問題P拆解為兩個子問題，通過交替優化迭代求解；根據初始化的[α1,α2,…αK]T＝[1,1,…1]T，將問題P轉化為第一個子問題P1，固定參與聯邦學習的用戶，優化接收波束z和發射功率pk，即： s.t.0≤pk≤Pmax,k＝1,2,…,K； 將問題P1拆解為兩個子問題，通過交替優化求解；根據初始化的pk＝Pmax2，問題P1轉化為問題P2： ak≥0,k＝1,2,…,K, φk≥0,k＝1,2,…,K, 其中ak,φk為引入變量，通過CVX工具包求解問題P2得到z，將得到的z代入問題P1得到問題P3： ak≥0,k＝1,2,…,K, φk≥0,k＝1,2,…,K, 0≤pk≤Pmax,k＝1,2,…,K, Pk 2≤pk 通過CVX工具包求解問題P2得到pk；通過交替求解問題P2和問題P3并將得到的優化變量結果代入問題P1，得到新的問題P2和問題P3來迭代求解直至收斂，獲得問題P1的解z,pk； 將問題P1的解代入問題P得到問題P4： s.t.αk∈{0,1},k＝1,2,…,K； 問題P4為0-1二次分式規劃問題，將其轉化為線性規劃問題求解得到αk；通過交替求解問題P1和問題P4，并將得到的優化變量結果代入問題P得到新的問題P1和問題P4來迭代求解直至收斂，獲得問題P的解z,pk,αk。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。