一种融合跨区域设备信息的去中心化图联邦学习方法

本申请涉及一种融合跨区域设备信息的去中心化图联邦学习方法，基于同区域或不同区域的工厂中设备之间的通信关系，构建图结构；并基于图结构找出每个设备的同区域邻居设备以及跨区域的一阶邻居设备和二阶邻居设备；对于每个设备，聚合其一阶邻居设备和二阶邻居设备的特征信息，并基于各所述设备接收的聚合信息得到对应设备在图卷积神经网络第一层的嵌入信息，基于设备在图卷积神经网络第一层的嵌入信息更新设备在图卷积神经网络第二层的嵌入信息根据每个设备在图卷积神经网络第二层的嵌入信息，计算每个设备上的损失函数及其损失函数对应的梯度，根据设备的同区域邻居设备的梯度，更新梯度；设备基于对应的更新梯度更新本地模型参数。

《一种融合跨区域设备信息的去中心化图联邦学习方法》是一发明专利，专利号为 2025101894550，当前法律状态为已下证，由湖南工商大学提出申请，发明人为徐雪松;严凯阳;刘天朔;霍杨杰;郑新，申请日期为2025-02-20，公开（公告）日期为2025-05-02，国际专利分类号（IPC）为 G06N3/098(2023.01)I;G06N3/042(2023.01)I;G06N3/0464(2023.01)I，代理机构为北京惟盛达知识产权代理有限公司11855，高新资质：未报高企，所属技术领域包括：联邦学习、物联网与边缘计算、计算机科学、人工智能 / 机器学习、图神经网络、去中心化系统 / 边缘智能、隐私计算。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：本申请涉及一种融合跨区域设备信息的去中心化图联邦学习方法，基于同区域或不同区域的工厂中设备之间的通信关系，构建图结构；并基于图结构找出每个设备的同区域邻居设备以及跨区域的一阶邻居设备和二阶邻居设备；对于每个设备，聚合其一阶邻居设备和二阶邻居设备的特征信息，并基于各所述设备接收的聚合信息得到对应设备在图卷积神经网络第一层的嵌入信息，基于设备在图卷积神经网络第一层的嵌入信息更新设备在图卷积神经网络第二层的嵌入信息根据每个设备在图卷积神经网络第二层的嵌入信息，计算每个设备上的损失函数及其损失函数对应的梯度，根据设备的同区域邻居设备的梯度，更新梯度；设备基于对应的更新梯度更新本地模型参数。

在竞争激烈的市场里，专利从来都不是可有可无的“加分项”，而是企业站稳脚跟、加速发展的“硬通货”。
**买专利，首先是买“资质”。**
它是申报高新技术企业、专精特新企业的核心门槛。有了它，不仅能**助力斩获**政策补贴和税收减免，在招投标时还能稳稳拿下加分项，让您在众多竞争者中脱颖而出。
**专利是企业的“隐形财富”。**
它可以用来**实缴注册资金**，让公司实力一目了然，提升商业信誉；也能作为质押物向银行贷款，盘活现金流，为业务扩张注入动力。
**专利是产品的“金字招牌”。**
在产品包装上印上“专利产品”，客户一眼就能感受到技术实力，信任度自然提升，比打广告更有说服力。同时，它还能构建技术壁垒，防止对手模仿，帮您**抢占市场先机。
与其花两三年自主研发，承担失败风险，不如直接买现成专利。海量优质专利即买即用，让专利真正为企业创造价值！