公开(公告)号：CN113791895B

公开(公告)日：2025-04-29

申请号：CN202110958468.1

申请日：2021-08-20

Applicant: 北京工业大学

Inventor： 孙艳华 ,  乔兰 ,  张延华 ,  孙恩昌 ,  杨睿哲 ,  李萌

IPC: G06F9/50 ,  G06F17/16 ,  G06F18/214 ,  G06N20/20

Abstract: 本发明公开了基于联邦学习的边缘计算及资源优化方法，在小基站部署天线阵列，获取下行链路的信道信息以及经过预编码技术处理之后的信道信息，形成信道和预编码作为输入输出对的训练数据，在此数据支撑之下进行联邦学习，即在节点端训练模型，最后达到输入信道信息得到相应的预编码信息的目的。在此过程之中，为了得到较为稳定的学习联盟以及将系统能耗控制在最低状态来进行用户选择，即通过各节点的物理特性在众多用户用选择计算能力和通信能力稳定的用户参与到训练中；为了鼓励用户积极参与到训练中，引入合同机制对参与训练的用户进行奖励，计算每个用户的收入与付出的训练成本得到效用函数，对用户进行资源分配使得整个系统效用达到最大。

公开(公告)号：CN113791895A

公开(公告)日：2021-12-14

申请号：CN202110958468.1

申请日：2021-08-20

Applicant: 北京工业大学

Inventor： 孙艳华 ,  乔兰 ,  张延华 ,  孙恩昌 ,  杨睿哲 ,  李萌

IPC: G06F9/50 ,  G06F17/16 ,  G06K9/62 ,  G06N20/20

Abstract: 本发明公开了基于联邦学习的边缘计算及资源优化方法，在小基站部署天线阵列，获取下行链路的信道信息以及经过预编码技术处理之后的信道信息，形成信道和预编码作为输入输出对的训练数据，在此数据支撑之下进行联邦学习，即在节点端训练模型，最后达到输入信道信息得到相应的预编码信息的目的。在此过程之中，为了得到较为稳定的学习联盟以及将系统能耗控制在最低状态来进行用户选择，即通过各节点的物理特性在众多用户用选择计算能力和通信能力稳定的用户参与到训练中；为了鼓励用户积极参与到训练中，引入合同机制对参与训练的用户进行奖励，计算每个用户的收入与付出的训练成本得到效用函数，对用户进行资源分配使得整个系统效用达到最大。