一种加快全局联邦学习模型收敛的方法及联邦学习系统

被引：0

专利类型：

发明

申请号：

CN202310262721.9

申请日：

2023-03-17

公开(公告)号：

CN116416508B

公开(公告)日：

2025-12-19

发明(设计)人：

杨清海侯运阳刘佳宜

申请人：

西安电子科技大学广州研究院

申请人地址：

510000 广东省广州市黄埔区中新知识城海丝中心B5、B6、B7栋

IPC主分类号：

G06V10/82

IPC分类号：

G06V10/764 G06V10/94 G06N3/045 G06N3/048 G06N3/084 G06N3/092 G06N3/098

代理机构：

广东省中源正拓专利代理事务所(普通合伙) 44748

代理人：

党冲

法律状态：

授权

国省代码：

陕西省西安市

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2025-12-19	授权	授权

共 50 条

[1]

联邦学习系统的全局评价指标获取方法及联邦学习系统 [P].

王德健 ;

王慧东 ;

董科雄 .

中国专利 :CN117792641A ,2024-03-29

[2]

一种联邦学习模型训练方法、装置及联邦学习系统 [P].

曾令仿 ;

银燕龙 ;

何水兵 ;

毛旷 ;

杨弢 ;

任祖杰 ;

陈刚 .

中国专利 :CN112232528A ,2021-01-15

[3]

一种基于联邦学习的模型训练方法及联邦学习系统 [P].

唐斌 ;

徐佳俐 ;

叶保留 .

中国专利 :CN115018086A ,2022-09-06

[4]

联邦学习方法、联邦学习装置及联邦学习系统 [P].

李龙飞 ;

周俊 .

中国专利 :CN115034333B ,2024-07-02

[5]

一种基于联邦学习的模型训练方法及联邦学习系统 [P].

唐斌 ;

徐佳俐 ;

叶保留 .

中国专利 :CN115018086B ,2024-05-03

[6]

联邦学习方法、联邦学习装置及联邦学习系统 [P].

李龙飞 ;

周俊 .

中国专利 :CN115034333A ,2022-09-09

[7]

联邦学习系统、模型学习装置、联邦学习方法、模型学习程序 [P].

深见匠 ;

张一凡 ;

丹羽健太 .

日本专利 :CN119156626A ,2024-12-17

[8]

基于联邦学习的模型训练方法、装置及联邦学习系统 [P].

殷俊 ;

周武 ;

宋路祥 ;

韩伟豪 .

中国专利 :CN112862011A ,2021-05-28

[9]

基于联邦学习的模型训练方法和联邦学习系统 [P].

范洺源 ;

周文猛 .

中国专利 :CN115345315A ,2022-11-15

[10]

用于联邦学习的方法和联邦学习系统 [P].

姚垚 ;

赵申宜 ;

涂威威 .

中国专利 :CN117634633A ,2024-03-01

← 1 2 3 4 5 →