基于客户端数量和通信周期的联邦学习自适应优化方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了基于客户端数量和通信周期的联邦学习自适应优化方法，包括：客户端对本地模型进行训练；估算本地模型目标函数的李普希兹常数和标准差上界，计算联邦学习框架中最优客户端数量m和通信周期τ；中央服务器将全局模型参数初始值发送至m个客户端中；被选中的客户端对本地模型进行训练，更新每个客户端的本地模型参数和目标函数值；中央服务器对每个客户端对应的本地模型参数和目标函数值进行聚合，得到新的全局模型参数w和目标函数值F；输出全局模型参数w。本发明将联邦学习过程按设定单位时间区间分为多阶段，自适应修改参与方客户端数量和通信周期大小，有效加快了联邦学习的模型训练过程，提高了全局模型的收敛速度。

《基于客户端数量和通信周期的联邦学习自适应优化方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2022110888803，当前法律状态为已下证，由南京邮电大学提出申请，发明人为吴家皋;王宇;刘林峰;朱立华，申请日期为2022-09-07，公开（公告）日期为2025-12-05，国际专利分类号（IPC）为 G06N 20/20 (2019.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了基于客户端数量和通信周期的联邦学习自适应优化方法，包括：客户端对本地模型进行训练；估算本地模型目标函数的李普希兹常数和标准差上界，计算联邦学习框架中最优客户端数量m和通信周期τ；中央服务器将全局模型参数初始值发送至m个客户端中；被选中的客户端对本地模型进行训练，更新每个客户端的本地模型参数和目标函数值；中央服务器对每个客户端对应的本地模型参数和目标函数值进行聚合，得到新的全局模型参数w和目标函数值F；输出全局模型参数w。本发明将联邦学习过程按设定单位时间区间分为多阶段，自适应修改参与方客户端数量和通信周期大小，有效加快了联邦学习的模型训练过程，提高了全局模型的收敛速度。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！