买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利边缘计算环境中基于数字孪生的自适应联邦学习方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116542319B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310456258.1，技术领域涉及：G06N3/092；该发明授权边缘计算环境中基于数字孪生的自适应联邦学习方法及系统是由郭松涛;乔德文;刘贵燕;焦贤龙;陈超;刘凯设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本边缘计算环境中基于数字孪生的自适应联邦学习方法及系统在说明书摘要公布了：本发明属于边缘计算及联合学习技术领域，具体公开了一种边缘计算环境中基于数字孪生的自适应联邦学习方法及系统，包括：从获取各设备当前时刻的状态信息以及当前在设备本地训练中所到的模型参数根据上一时刻所选取的部分工业物联网设备所上传的模型参数聚合得到全局模型参数xt；利用一训练好的深度强化学习代理模型根据所有设备当前的状态信息，优化配置下一时刻各设备，并根据带宽比hn的配置结果，优选用于下一时刻全局模型参数聚合的设备。解决了数字孪生体下的联邦学习存在的Non‑IID和资源分配问题，同时支持系统的实时在线优化，提高了系统在信道状态不友好情况下的鲁棒性。

本发明授权边缘计算环境中基于数字孪生的自适应联邦学习方法及系统在权利要求书中公布了：1.一种边缘计算环境中基于数字孪生的自适应联邦学习方法，其特征在于，包括： 从工业物联网设备或其数字孪生体处获取各设备当前时刻的状态信息以及当前在设备本地训练中所得到的模型参数，所述状态信息包括该设备的实际CPU频率、传输功率、该设备与基站间的传输速率； 根据上一时刻所选取的部分工业物联网设备所上传的模型参数聚合得到全局模型参数； 利用一训练好的深度强化学习代理模型根据所有设备当前的状态信息，优化配置下一时刻各设备的CPU频率、传输功率和带宽比；在所述深度强化学习代理模型的训练中，利用各设备的数字孪生体实施在线训练；所述深度强化学习代理模型为基于深度确定性策略梯度方法构建及训练的模型； 所述深度强化学习代理模型的优化目标为，在相应限制条件下，同时最小化模型训练全局损失函数和资源消耗总量； 所述深度强化学习代理模型的目标函数P1及其限制条件表示为： ； 其中: , ，N为IIoT设备的数量，是属于的样本，为第个IIoT设备的本地数据集，表示第个IIoT设备中，样本上的损失函数，表示第个IIoT设备上的本地模型参数； 是给定的资源； Z=2表示考虑时间、能量两种资源消耗，给定的资源以t时段的总能量和总时间消耗表示如下： ， 其中，对于IIoT设备，表示执行一个样本数据所需CPU周期数，由的CPU性能决定，在一次迭代中的计算能耗为： ， 其中，为的计算能耗系数，且的计算时间为： ， 每个全局聚合中的物联网设备的传输能耗为： ， 上行传输时间为： ; 同时，根据带宽比的配置结果，优选用于下一时刻全局模型参数聚合的设备，优选条件为，当前时刻的配置结果中，设备被分配的带宽比，表示分配的带宽最小阈值； 重复上述过程，进行多次资源配置和模型参数聚合，直至达到结束联邦学习的条件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。