一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统

本发明公开了一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统，涉及工业物联网的技术领域，包括构建工业物联网联邦学习模型，计算所有智能设备的数字孪生体进行一轮联邦学习的能耗、本地数据新鲜度和模型参数新鲜度；以能耗和新鲜度之和最小化为目标，建立联合带宽分配、数据收集频率和数据计算频率的优化问题，并转化为马尔科夫决策过程，定义状态空间、动作空间和回报函数；建立深度强化学习网络并进行训练，利用训练好的深度强化学习网络进行资源调度，获得最优调度策略，应用到对应的智能设备。本发明有效减少联邦学习的时延，提高联邦学习的学习效率，杜绝了出现反向优化的情况，提高了联邦学习模型的性能。

《一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统》是一发明专利，专利号为 2022110510838，当前法律状态为已下证，由广东工业大学提出申请，发明人为蒋丽;谢正昊;缪家辉;赖健鑫;李嘉柱，申请日期为2022-08-30，公开（公告）日期为2025-07-04，国际专利分类号（IPC）为 G06N 20/00 (2019.01)，高新资质：未报高企，所属技术领域包括：工业物联网、营销推广、联邦学习、服务器、数字孪生辅助、新鲜度/过时度、AoI、客户端选择、参与激励、资源感知调度、模型优化、通信效率、隐私。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：本发明公开了一种基于数字孪生辅助的联邦学习新鲜度优化方法与系统，涉及工业物联网的技术领域，包括构建工业物联网联邦学习模型，计算所有智能设备的数字孪生体进行一轮联邦学习的能耗、本地数据新鲜度和模型参数新鲜度；以能耗和新鲜度之和最小化为目标，建立联合带宽分配、数据收集频率和数据计算频率的优化问题，并转化为马尔科夫决策过程，定义状态空间、动作空间和回报函数；建立深度强化学习网络并进行训练，利用训练好的深度强化学习网络进行资源调度，获得最优调度策略，应用到对应的智能设备。本发明有效减少联邦学习的时延，提高联邦学习的学习效率，杜绝了出现反向优化的情况，提高了联邦学习模型的性能。

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！