-
公开(公告)号：CN114638357B
公开(公告)日：2024-05-31
申请号：CN202210186097.4
申请日：2022-02-28
Applicant: 厦门大学
IPC: G06N3/098 , G06N3/092 , G06N3/0985 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F9/50 , G06F21/62
Abstract: 本发明公开了一种基于自动联邦学习的边缘计算系统及其学习方法，其中基于自动联邦学习的边缘计算系统包括：公有云、边缘云、边缘计算盒子和智能终端设备；公有云汇聚边缘云输入的神经网络模型结构和参数进行不同权重的参数更新优化，边缘云存储边缘计算盒子上传的数据，并采用基于强化学习的神经架构搜索模型搜索最佳模块组合进行局部化模型训练，边缘盒子部署训练好的神经网络模型为智能终端设备提供实时算力，智能终端设备采集图像、语音、文字等信息；本发明能够有效解决预设网络对独立同分布数据效果差的问题，同时能够很好的保护用户隐私，同时边缘盒子能够快速响应智能终端采集的数据，具有广泛的应用前景。
-
公开(公告)号：CN116842380A
公开(公告)日：2023-10-03
申请号：CN202310686128.7
申请日：2023-06-09
Applicant: 厦门大学
IPC: G06F18/214 , G06F18/211
Abstract: 本发明公开了一种根据本发明实施例的基于客户端成簇的混合联邦分割学习的模型训练方法，包括每个学习客户端根据成簇策略与其周围的辅助客户端进行分簇，以得到多个学习簇；根据簇头选定策略在每个学习簇中选择一个特殊的客户端作为簇头，以便本地基站根据基站带宽分配策略为簇头分配带宽；簇头根据本地基站分配的带宽获取本地基站下发的全局模块，簇头根据模型切分和分配策略将全局模型切分为多个模型段，并分发给所有簇成员进行协作训练；簇头收集簇内的所有簇成员训练好的本地模型并将其上传至本地基站，以便本地基站将簇头上传的本地模型进行聚合，不仅用户计算、存储和通信负载小，而且用户并行度、对用户非独立同分布数据敏感度高。
-
公开(公告)号：CN114638357A
公开(公告)日：2022-06-17
申请号：CN202210186097.4
申请日：2022-02-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于自动联邦学习的边缘计算系统及其学习方法，其中基于自动联邦学习的边缘计算系统包括：公有云、边缘云、边缘计算盒子和智能终端设备；公有云汇聚边缘云输入的神经网络模型结构和参数进行不同权重的参数更新优化，边缘云存储边缘计算盒子上传的数据，并采用基于强化学习的神经架构搜索模型搜索最佳模块组合进行局部化模型训练，边缘盒子部署训练好的神经网络模型为智能终端设备提供实时算力，智能终端设备采集图像、语音、文字等信息；本发明能够有效解决预设网络对独立同分布数据效果差的问题，同时能够很好的保护用户隐私，同时边缘盒子能够快速响应智能终端采集的数据，具有广泛的应用前景。
-
公开(公告)号：CN111126667A
公开(公告)日：2020-05-08
申请号：CN201911180085.5
申请日：2019-11-27
Applicant: 厦门大学
Abstract: 本发明公开了一种基于主动拓扑优化的车辆任务卸载及资源分配方法及系统，其中该方法包括：预先获取待停车区域的车辆信息和待处理的业务信息；将所有已停车位置信息分别与每一个未停车位置信息进行组合以构建多个车载云模型以及其对应的第一邻接矩阵；根据待处理的业务信息构建业务模型以及其对应的第二邻接矩阵；根据每个车载云模型对应的第一邻接矩阵和第二邻接矩阵判断每个车载云模型与业务模型是否匹配，并计算与业务模型相匹配的车载云模型所对应的效用函数值；获取最小的效用函数值所对应的未停车位置信息；由此，通过提前构建最优的通信拓扑，以保证医疗救助车辆直接停泊于资源利用率最高的停车点，从而大大增加了伤员存活率。
-
-
-
Search Results
14
records
(took 0.048 seconds)
