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！

龙图腾网获悉北京交通大学申请的专利一种基于边缘计算的神经网络模型训练方法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：CN114595816B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210176214.9，技术领域涉及：G06N3/098；该发明授权一种基于边缘计算的神经网络模型训练方法是由丁春涛;于锦汇;李浥东;金一;王涛;陈乃月设计研发完成，并于2022-02-24向国家知识产权局提交的专利申请。

本一种基于边缘计算的神经网络模型训练方法在说明书摘要公布了：本发明提供了一种基于边缘计算的神经网络模型训练方法。该方法包括：边缘端利用基于非学习层的深度学习模型对收集到的视频监控数据在视频分析模型上进行训练，得到模型参数，并将模型参数下发到终端设备上；终端设备基于边缘端分发的模型参数，利用非学习层的深度学习模型终端构建出视频推理模型，利用视频推理模型对采集的视频监控数据进行实时分析，将视频监控数据和分析结果上传给边缘端。本发明提出在基于边缘计算和深度学习的视频分析任务中，使用非学习层的方式对模型进行改进，优化边缘端和终端设备间的数据传输，减少通信时延，同时保持高精度的实时视频分析能力。

本发明授权一种基于边缘计算的神经网络模型训练方法在权利要求书中公布了：1.一种基于边缘计算的神经网络模型训练方法，其特征在于，包括： 边缘端利用基于非学习层的深度学习模型对收集到的视频监控数据在视频分析模型上进行训练，得到模型参数，并将模型参数下发到终端设备上； 终端设备基于边缘端分发的模型参数，利用非学习层的深度学习模型终端构建出视频推理模型，利用视频推理模型对采集的视频监控数据进行实时分析，将视频监控数据和分析结果上传给边缘端； 云端对各个边缘端的视频分析模型进行集成，将视频分析模型参数下发到各边缘端上； 所述的基于非学习层的深度学习模型需要学习的参数量受到特征融合部分的全连接层影响，在特征提取阶段将卷积中需要通过训练学习到的卷积核替换为固定或随机生成的二值卷积核，在特征融合阶段使用可学习的全连接网络结构，在训练过程中对神经网络模型所提取的视频监控数据特征进行加权计算； 所述的基于非学习层的深度学习模型在随机生成卷积核时使用seed对随机过程进行控制，在对模型参数进行传输时，在全连接层参数的基础上增加seed的值，在终端设备上通过seed复现出边缘端模型中相同的模型结构，对监控视频进行推理分析； 所述基于非学习层的深度学习模型结构通过seed生成非学习层的卷积核，通过非学习层对目标数据中的特征进行提取，并通过激活函数将特征变换到合理的数值区间内，通过全连接层对学习到的特征进行融合，形成基于非学习层的深度学习模型的分析结果； 所述基于非学习层的深度学习模型在边缘端和终端设备上进行部署，在边缘端进行训练时的非学习层卷积核为随机生成，在随机生成卷积核时使用seed对随机过程进行控制，在对模型参数进行传输时，在全连接层参数的基础上增加seed的值，在终端设备上通过seed复现出边缘端模型中相同的模型结构，对监控视频进行推理分析。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。