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！

龍圖騰網獲悉天津大學申請的專利基于圖卷積超網絡的個性化聯邦學習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：CN115271101B 。

龍圖騰網通過國家知識產權局官網在2025-08-15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：202211031351.X，技術領域涉及：G06N20/00；該發明授權基于圖卷積超網絡的個性化聯邦學習方法是由谷石橋;楊柳設計研發完成，并于2022-08-26向國家知識產權局提交的專利申請。

本基于圖卷積超網絡的個性化聯邦學習方法在說明書摘要公布了：本發明公開了一種基于圖卷積超網絡的個性化聯邦學習方法：各客戶端初始化本地模型參數，劃分訓練集和測試集；各客戶端使用其訓練集對其本地模型更新N次，本地梯度向量上傳服務器；服務器對所有梯度向量計算余弦距離，構建客戶端相關性矩陣；服務器對所有梯度向量主成分分析降維，作為每個客戶端嵌入向量；服務器初始化圖卷積超網絡；相關性矩陣及嵌入向量輸入到初始化后的圖卷積超網絡，產生每個客戶端的本地模型，發送到客戶端，計算損失值及梯度，梯度傳至服務器，計算出客戶端本地損失對圖卷積超網絡參數的梯度，更新圖卷積超網絡參數；嵌入向量和相關性矩陣輸入訓練好的圖卷積超網絡，產生每個客戶端個性化本地模型。

本發明授權基于圖卷積超網絡的個性化聯邦學習方法在權利要求書中公布了：1.一種基于圖卷積超網絡的個性化聯邦學習方法，其特征在于，包括以下過程： 步驟S101：各客戶端初始化本地模型參數，并分別將其各自的本地數據集劃分為訓練集和測試集；其中本地數據為圖片數據； 步驟S102：各客戶端使用其訓練集通過隨機梯度下降算法對其本地模型更新N輪次，并將更新時積累的本地梯度向量均上傳至服務器端； 步驟S103：服務器端將接收到的客戶端模型梯度向量進行展平處理，并對所有的梯度向量兩兩計算余弦距離，構建客戶端相關性矩陣； 步驟S104：服務器端對接收到的所有客戶端模型的梯度向量進行主成分分析降維，將降維后的向量作為每個客戶端的嵌入向量； 步驟S105：服務器端初始化圖卷積超網絡，其輸入維度為客戶端嵌入向量的維度，輸出維度為客戶端本地模型的維度； 圖卷積超網絡結構包括： （1）圖卷積神經網絡：通過圖卷積操作得到客戶端融合特征； （2）前饋神經網絡：各個客戶端共享該前饋神經網絡模型，針對每個客戶端融合特征產生其本地個性化模型； 另外，所述圖卷積超網絡的輸入為嵌入向量和相關性矩陣，輸出為客戶端本地模型參數；其正向傳播過程如下： ， 其中，為圖卷積的參數，為前饋神經網絡的參數，表示經過T次的圖卷積正向傳播過程，表示第T層圖卷積網絡的輸出，H表示前饋神經網絡，由圖卷積超網絡產生的n個客戶端的本地模型，GHN表示圖卷積超網絡； 步驟S106：將由步驟S103得到的相關性矩陣及步驟S104得到的客戶端嵌入向量輸入到步驟S105初始化后的圖卷積超網絡中，產生每個客戶端的本地模型，再將這些模型發送到客戶端，在客戶端本地計算損失值及梯度，并將梯度傳輸至服務器，由鏈式法則計算得出客戶端本地損失對圖卷積超網絡參數的梯度，經過反向傳播算法不斷更新圖卷積超網絡參數，直至收斂； 步驟S107：將客戶端的嵌入向量和相關性矩陣輸入到經步驟S106訓練好的圖卷積超網絡中，產生每個客戶端個性化的本地模型。

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天津大學，其通訊地址為：300072 天津市南開區衛津路92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”。