公开(公告)号：CN119067202B

公开(公告)日：2025-04-22

申请号：CN202411566650.2

申请日：2024-11-05

Applicant: 南京信息工程大学

Inventor： 程勇 ,  胡宇昊 ,  许小龙 ,  王军 ,  杨玲

IPC: G06N3/098 ,  G06Q50/40 ,  G08G1/01

Abstract: 本发明公开了边缘计算技术领域的一种基于联邦学习的交通推荐系统分布式训练方法，包括：步骤A：生成车辆上本地数据样本的标签分布、特征分布以及本地模型参数；步骤B：边缘服务器基于各车辆上本地数据样本的标签分布的相似性和特征分布的相似性为每个车辆选择合作者，并将当前全局更新中合作者最新的本地模型参数发送给对应的车辆；步骤C：为每个车辆计算各合作者的聚合权重，进行聚合得到全局更新后的本地模型参数，并对全局更新后的本地模型进行本地训练，生成新的本地模型参数和车辆上本地数据样本的特征分布，并上传至边缘服务器，为参与下一轮全局更新的各个车辆更新合作者；步骤D：重复步骤B至步骤C，直至全局损失函数收敛。

公开(公告)号：CN119067202A

公开(公告)日：2024-12-03

申请号：CN202411566650.2

申请日：2024-11-05

Applicant: 南京信息工程大学

Inventor： 程勇 ,  胡宇昊 ,  许小龙 ,  王军 ,  杨玲

IPC: G06N3/098 ,  G06Q50/40 ,  G08G1/01

Abstract: 本发明公开了边缘计算技术领域的一种基于联邦学习的交通推荐系统分布式训练方法，包括：步骤A：生成车辆上本地数据样本的标签分布、特征分布以及本地模型参数；步骤B：边缘服务器基于各车辆上本地数据样本的标签分布的相似性和特征分布的相似性为每个车辆选择合作者，并将当前全局更新中合作者最新的本地模型参数发送给对应的车辆；步骤C：为每个车辆计算各合作者的聚合权重，进行聚合得到全局更新后的本地模型参数，并对全局更新后的本地模型进行本地训练，生成新的本地模型参数和车辆上本地数据样本的特征分布，并上传至边缘服务器，为参与下一轮全局更新的各个车辆更新合作者；步骤D：重复步骤B至步骤C，直至全局损失函数收敛。

公开(公告)号：CN116915869A

公开(公告)日：2023-10-20

申请号：CN202311017986.9

申请日：2023-08-14

Applicant: 南京信息工程大学

Inventor： 许小龙 ,  胡宇昊 ,  王青洋 ,  楚义

IPC: H04L67/61 ,  H04L67/10 ,  G06N3/0464

Abstract: 本发明公开了基于云边协同的时延敏感型智能服务快速响应方法，基于双延迟深度确定性策略算法，实现对卷积核分割与服务器资源分配的联合优化，其核心思想是将每个边缘服务器中的计算资源进行分区，每个区域内的资源只用以推理某个卷积神经网络中某个卷积层的某一部分；一个场景中基于同一类别卷积神经网络的所有智能服务被置于一个队列中，且根据优先级决定不同服务的推理顺序；每个智能服务对应的卷积神经网络中，各卷积层都被分割成多个部分，实现卷积神经网络在不同服务器上的并行推理；整个算法具备卷积核分割合理、资源分配精确、高优先级服务请求优先处理的特征，能满足高任务负载场景中时延敏感型智能服务的快速响应需求。