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！

龙图腾网获悉中国海洋大学申请的专利基于分布式跨尺度联合学习的海表面温度预测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：CN119832392B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202510307300.2，技术领域涉及：G06V10/82；该发明授权基于分布式跨尺度联合学习的海表面温度预测方法及系统是由梁馨月;张诺青;聂婕;姜文鑫;陈江光;于弋甯;温琦;魏志强设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本基于分布式跨尺度联合学习的海表面温度预测方法及系统在说明书摘要公布了：本申请涉及海洋温度预测技术领域，公开了基于分布式跨尺度联合学习的海表面温度预测方法及系统，构建基于分布式跨尺度联合学习的海表面温度预测模型，预测模型包括：本地特征学习模块，部署在本地系统中的每个本地节点，用于对本地节点上存储的海表面温度图像序列进行本地特征学习并输出本地节点的海表面温度预测结果；跨尺度联合学习模块，部署于分布式系统，通过图学习模块学习不同本地节点上的不同尺度海表面温度图像特征，动态优化每个本地节点间的通信权重，实现不同本地节点的梯度聚合，指导跨尺度联合学习。本申请在训练过程中不直接传输图像数据，避免了数据泄露，动态优化通信权重矩阵，充分考虑海温数据的跨尺度特征。

本发明授权基于分布式跨尺度联合学习的海表面温度预测方法及系统在权利要求书中公布了：1.基于分布式跨尺度联合学习的海表面温度预测方法，其特征在于，构建基于分布式跨尺度联合学习的海表面温度预测模型，所述预测模型采用本地系统和分布式系统架构，所述本地系统包括有数个本地节点，每个本地节点之间的通信关系由连接矩阵定义，矩阵元素包含0或1用以表示本地节点间能否通信，每个本地节点上分布有不同来源但数据结构相同的海表面温度图像序列，作为所述预测模型的输入，所述预测模型包括：本地特征学习模块，部署在所述本地系统中的每个本地节点，用于对本地节点上存储的海表面温度图像序列进行本地特征学习并输出本地节点的海表面温度预测结果；跨尺度联合学习模块，部署于所述分布式系统，通过图学习模块学习不同本地节点上的不同尺度海表面温度图像特征，动态优化每个本地节点间的通信权重，实现不同本地节点的梯度聚合，获得全局的梯度更新，将更新后的梯度值分发给每个本地节点，指导跨尺度联合学习；所述跨尺度联合学习模块通过图学习模块学习不同本地节点上的不同尺度海表面温度图像特征包括：分布式图卷积模块的输出通过所述图学习模块学习分布式梯度聚合时的通信权重，根据图学习模块返回的值进行跨尺度联合学习，优化网络权重，所述图学习模块表示为： 其中，表示来自本地节点i的图卷积网络输出，l表示神经网络的层数，||.||F表示矩阵的F范数，ReLU表示激活函数，Θ表示通信权重矩阵，Gij表示图学习模块的结果；所述跨尺度联合学习模块动态优化每个本地节点间的通信权重包括：通过图学习模块优化通信权重矩阵Θij，所述通信权重矩阵Θij用以指导各个本地节点在进行梯度聚合的聚合参数，所述聚合参数包括不同尺度的海表面温度图像特征，分布式梯度聚合表示为： 其中，表示能与本地节点i进行通讯的节点集合，表示与本地节点i相互通讯的节点j的梯度，Θij表示本地节点i和j的通信权重，表示分布式聚合后本地节点i的梯度。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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”。