CN119514727A 基于自适应本地模型初始化和双重知识蒸馏的个性化联邦学习方法 （重庆邮电大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119514727A

(43)申请公布日2025.02.25

(21)申请号202411590369.2

(22)申请日2024.11.08

(71)申请人重庆邮电大学

地址400065重庆市南岸区黄桷垭崇文路2

号

(72)发明人苏畅李洋谢显中

(74)专利代理机构北京同恒源知识产权代理有限公司11275

专利代理师方钟苑

(51)Int.Cl.

G06N20/00(2019.01)

权利要求书3页说明书12页附图1页

(54)发明名称

基于自适应本地模型初始化和双重知识蒸

馏的个性化联邦学习方法

(57)摘要

CN119514727A本发明涉及一种基于自适应本地模型初始化和双重知识蒸馏的个性化联邦学习方法，属于边缘计算技术领域。该方法通过在每个客户端上根据全局模型与局部模型之间的余弦相似度进行本地模型初始化，获取自适应初始化后的局部模型；在每个客户端上根据全局模型和历史局部模型分别进行知识蒸馏，通过双重知识蒸馏更新局部模型的参数；中央服务器接收参与训练的所有客户端上传的局部模型，并基于数据质量和客户端贡献度的双重动态聚合权重，得到最终的全局模型。本发明在处理数据异质性问题时能够显著提高模型的精度和收敛速度，并在多种边缘计

CN119514727A

C