智能家居场景下基于云边端的高效联邦学习方法（高校公示15天）（不包年费滞纳金（需要二变））

本发明提供一种智能家居场景下基于云边端的高效联邦学习方法。该方法包括：云端服务器获取学习任务并初始化初始模型，并下发至参与训练的通讯基站；通讯基站将学习任务及初始模型发送至参与训练的临时服务器及家居终端；家居终端根据本地数据和初始模型或第一中间模型进行本地训练，得到新的本地模型并传输至临时服务器；临时服务器将所有本地模型以及自身的本地模型进行加权聚合，得到第一中间模型并返回至各家居终端；重复执行前两个步骤，直至满足结束条件后，将第一中间模型传输至通讯基站；通讯基站对所有第一中间模型进行加权聚合，得到第二中间模型并返回至云端服务器；云端服务器对所有第二中间模型进行聚合，得到最终的全局模型。

《智能家居场景下基于云边端的高效联邦学习方法（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 2023100892084，当前法律状态为已下证，由河南大学提出申请，发明人为王光辉;白天水;罗振兴;何欣，申请日期为2023-02-03，公开（公告）日期为2025-09-16，国际专利分类号（IPC）为 G06N 20/00 (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：本发明提供一种智能家居场景下基于云边端的高效联邦学习方法。该方法包括：云端服务器获取学习任务并初始化初始模型，并下发至参与训练的通讯基站；通讯基站将学习任务及初始模型发送至参与训练的临时服务器及家居终端；家居终端根据本地数据和初始模型或第一中间模型进行本地训练，得到新的本地模型并传输至临时服务器；临时服务器将所有本地模型以及自身的本地模型进行加权聚合，得到第一中间模型并返回至各家居终端；重复执行前两个步骤，直至满足结束条件后，将第一中间模型传输至通讯基站；通讯基站对所有第一中间模型进行加权聚合，得到第二中间模型并返回至云端服务器；云端服务器对所有第二中间模型进行聚合，得到最终的全局模型。

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！