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！

申请/专利权人：北京航空航天大学

摘要：本发明公开一种基于环形蒸馏的跨工况退化趋势层级联邦预测方法，包括：在共性规律挖掘阶段，不同工况下的客户端簇依次参与各沟通轮次，相同工况的客户端共享模型参数，在达到本阶段最大沟通轮次后，各工况簇模型中保留了适合于不同工况深层退化规律的知识信息，可被用于监督后续个性化模型的更新。在个体特性适配阶段，各工况簇通过超网络面向不同客户端生成个性化预测模型，并通过知识蒸馏方式对模型进行迭代，最终实现对个体产品退化趋势的精准预测。

主权项：1.一种基于环形蒸馏的跨工况退化趋势层级联邦预测方法，其特征在于，包括：在共性规律挖掘阶段的每轮迭代前，服务器端以循环的方式依次选择一个工况簇，并利用簇抽样方法从所述工况簇的所有客户端中选取参与当前轮的多个客户端；参与当前轮次的每个客户端通过将上一轮次的工况簇预测模型作为知识蒸馏的教师模型，将当前轮次的工况簇预测模型作为知识蒸馏的学生模型，对当前轮次的工况簇预测模型进行本地训练，得到当前轮训练后的工况簇预测模型参数；服务器端利用联邦平均算法对所述多个客户端发送的当前轮训练后的工况簇预测模型参数进行联邦聚合处理，得到联邦聚合处理后的工况簇预测模型参数；重复上述共性规律挖掘阶段的步骤，直至在判断达到最大轮次后，每个工况簇下的所有客户端通过加载服务器端下发的最大轮次得到的联邦聚合处理后的工况簇预测模型参数，得到具有不同工况退化数据中的通用知识信息的工况簇预测模型；在个体特性适配阶段的每个工况簇的每轮迭代前，服务器端利用簇抽样方法从每个工况簇的所有客户端中选取参与当前轮的多个客户端，并将利用每个客户端对应的超网络生成所述客户端当前轮次的个性化预测模型参数下发给对应的客户端；参与当前轮次的每个客户端通过将上一工况簇的工况簇预测模型作为知识蒸馏的教师模型，将当前轮次的个性化预测模型作为知识蒸馏的学生模型，对当前轮次的个性化预测模型进行本地训练，得到当前轮次个性化预测模型参数的变化量，并将所述当前轮次的个性化预测模型参数的变化量发送给所述服务器端；所述服务器端利用所述每个客户端当前轮次的个性化预测模型参数的变化量对所述个性化预测模型参数和超网络进行更新，得到更新后的个性化预测模型参数和超网络；重复上述个体特性适配阶段的步骤，直至所述服务器端在判断达到最大轮次后，将最大轮次得到的每个客户端的个性预测模型参数下发至所述客户端，使每个客户端通过加载所述最大轮次得到的个性预测模型参数，得到适用于该客户端预测个体设备退化趋势的预测模型。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于环形蒸馏的跨工况退化趋势层级联邦预测方法