公开(公告)号：CN119251639B

公开(公告)日：2025-04-15

申请号：CN202411015347.3

申请日：2024-07-26

Applicant: 北京交通大学

Inventor： 霍炎 ,  苏向清 ,  王晓轩 ,  荆涛 ,  高青鹤 ,  马博程

IPC: G06V10/82 ,  G06V20/58 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/94 ,  G06V10/96 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/098 ,  G06N3/091 ,  G06N3/0895

Abstract: 本发明公开了一种基于主动学习和半监督学习的车联网联邦学习方法，属于车联网联邦学习领域，该方法包括在云服务器端基于标记数据训练全局模型，更新全局模型参数；通过若干个路侧单元，将全局模型参数分发至各路侧单元信号覆盖范围内的自动驾驶汽车；基于自动驾驶汽车的未标记数据，根据全局模型参数和未标记数据更新车侧模型的参数；通过路侧单元将各自动驾驶汽车的车侧模型的参数发送至云服务器端；随机确定聚合客户端集合，并在云服务器端对聚合客户端集合中各自动驾驶汽车车侧模型的参数进行聚合，得到全局模型参数，将全局模型复制到云服务器端的教师学生网络，直至达到通信轮次。本发明解决了传统联邦学习应用于车联网时有效性太低的问题。

公开(公告)号：CN119251639A

公开(公告)日：2025-01-03

申请号：CN202411015347.3

申请日：2024-07-26

Applicant: 北京交通大学

Inventor： 霍炎 ,  苏向清 ,  王晓轩 ,  荆涛 ,  高青鹤 ,  马博程

IPC: G06V10/82 ,  G06V20/58 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/94 ,  G06V10/96 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/098 ,  G06N3/091 ,  G06N3/0895

Abstract: 本发明公开了一种基于主动学习和半监督学习的车联网联邦学习方法，属于车联网联邦学习领域，该方法包括在云服务器端基于标记数据训练全局模型，更新全局模型参数；通过若干个路侧单元，将全局模型参数分发至各路侧单元信号覆盖范围内的自动驾驶汽车；基于自动驾驶汽车的未标记数据，根据全局模型参数和未标记数据更新车侧模型的参数；通过路侧单元将各自动驾驶汽车的车侧模型的参数发送至云服务器端；随机确定聚合客户端集合，并在云服务器端对聚合客户端集合中各自动驾驶汽车车侧模型的参数进行聚合，得到全局模型参数，将全局模型复制到云服务器端的教师学生网络，直至达到通信轮次。本发明解决了传统联邦学习应用于车联网时有效性太低的问题。