一种高能效的聚类联邦边缘学习策略生成方法和装置

    公开(公告)号:CN113902021B

    公开(公告)日:2024-06-21

    申请号:CN202111191599.8

    申请日:2021-10-13

    Abstract: 本发明公开了一种高能效的聚类联邦边缘学习策略生成方法和装置,方法包括以下步骤:S1、云中心初始化边缘接入策略;S2、边缘基站求解其接入设备的带宽资源分配策略,将其初始化模型发送给接入设备;S3、设备计算接收到的全局模型的精度,根据全局模型和本地数据采用分层迁移策略训练本地模型,计算上传本地模型花费的能量,将测试精度与能耗的差值作为本地收益,将本地模型和本地收益上传到所接入的边缘基站;S4、边缘基站分层聚合本地模型,通过平均所有接入设备的本地收益,计算边缘收益,将边缘收益上传到云中心;S5、云中心根据收到的边缘基站的反馈信息,计算系统收益,采用深度强化学习算法调整边缘接入策略;S6、重复上述过程直至收敛。

    一种高能效的聚类联邦边缘学习策略生成方法和装置

    公开(公告)号:CN113902021A

    公开(公告)日:2022-01-07

    申请号:CN202111191599.8

    申请日:2021-10-13

    Abstract: 本发明公开了一种高能效的聚类联邦边缘学习策略生成方法和装置,方法包括以下步骤:S1、云中心初始化边缘接入策略;S2、边缘基站求解其接入设备的带宽资源分配策略,将其初始化模型发送给接入设备;S3、设备计算接收到的全局模型的精度,根据全局模型和本地数据采用分层迁移策略训练本地模型,计算上传本地模型花费的能量,将测试精度与能耗的差值作为本地收益,将本地模型和本地收益上传到所接入的边缘基站;S4、边缘基站分层聚合本地模型,通过平均所有接入设备的本地收益,计算边缘收益,将边缘收益上传到云中心;S5、云中心根据收到的边缘基站的反馈信息,计算系统收益,采用深度强化学习算法调整边缘接入策略;S6、重复上述过程直至收敛。

    动态信道重构的探头选择方法、装置、设备、介质及产品

    公开(公告)号:CN119449205A

    公开(公告)日:2025-02-14

    申请号:CN202411442656.9

    申请日:2024-10-16

    Abstract: 本公开涉及一种动态信道重构的探头选择方法、装置、设备、介质及产品,应用于无线通信技术领域。本公开中,获取动态信道中多个路点的标准信道参数、快照的数量和每个路点的探头集。根据每两个相邻的路点的标准信道参数和快照的数量,计算每个快照所处时刻的信道参数变化量。根据信道参数变化量和每两个相邻的路点的探头集,计算每个快照的待选探头集。基于探头选择模型,对每个快照的待选探头集进行筛选,得到每个快照的最优探头组合。通过每个快照对应的信道参数变化量体现动态信道的探头位置的变化,将快照的探头选择与相邻路点的探头进行关联。避免了在全部探头中选择快照对应的探头,造成的计算复杂的问题。因此,会降低动态信道重构复杂度。

    一种基于机器学习的天线方向图预测方法

    公开(公告)号:CN117195740B

    公开(公告)日:2024-07-09

    申请号:CN202311283909.8

    申请日:2023-10-07

    Abstract: 本发明公开了一种基于机器学习的天线方向图预测方法,包括以下步骤:S1.对于已知型号的一个阵列天线,给定多组配置参数,并在每一组配置参数下确定对应的天线方向增益图,形成样本集;S2.构建神经网络模型,通过样本集中的样本对神经网络进行训练,得到表征天线配置参数到天线方向增益图映射关系的神经网络模型;S3.针对制造和使用过程中出现偏差的阵列天线,实测该阵列天线在有限组配置参数下的天线方向增益图,并在神经网络模型的基础上进行迁移学习,得到方向图发生变化的天线的神经网络模型,用于实际天线方向图预测。本发明能够通过构建天线方向图的预测模型,并利用迁移学习的方式,只需要少量实测天线方向图样本点数据预测真实天线方向图。

    面向物联网中基于区块链技术的联邦学习能效优化方法

    公开(公告)号:CN116055488A

    公开(公告)日:2023-05-02

    申请号:CN202310037908.9

    申请日:2023-01-10

    Abstract: 本发明公开了一种面向物联网中基于区块链技术的联邦学习能效优化方法,考虑到物联网中异构设备之间的去中心化联邦学习范例,建立一个基于区块链的联邦学习框架,其中所有的物联网设备都有机会以去中心化的方式参与联邦学习模型的构建过程。在框架中,设计了一种针对局部模型基于委员会机制的本地模型动态聚合方式来解决恶意节点的问题,提升了联邦学习模型性能。此外,针对面向物联网中联邦学习和区块链联合的资源分配,量化了基于区块链技术联邦学习的时延和能耗,提出联合信道分配、区块链主节点选择及区块大小调整的优化方法,在保证联邦学习性能的同时降低系统的能耗。

    高能效的联邦学习方法、装置、边缘服务器及用户设备

    公开(公告)号:CN113177367B

    公开(公告)日:2022-08-30

    申请号:CN202110591514.9

    申请日:2021-05-28

    Abstract: 本发明实施例提供了一种高能效的联邦学习方法、装置、边缘服务器及用户设备,应用于通信技术领域,包括:确定当前通信轮次的参与用户设备以及待分配给各个参与用户设备的带宽信息;向各个参与用户设备下发全局模型和带宽信息;接收各个参与用户设备上传的本地模型参数;对各个参与用户设备上传的本地模型参数进行聚合,得到更新后的全局模型;判断更新后的全局模型是否到达目标精度;如果更新后的全局模型未到达目标精度,则返回确定当前通信轮次的参与用户设备以及待分配给各个参与用户设备的带宽信息,直至更新后的全局模型到达目标精度。能够实现针对边缘网络中的联邦学习,在保证模型精度的同时降低学习时间。

    基于空气动力学的无人机信息收集方法及装置

    公开(公告)号:CN111580533B

    公开(公告)日:2021-10-15

    申请号:CN202010376856.4

    申请日:2020-05-07

    Abstract: 本发明实施例提供的基于空气动力学的无人机信息收集方法及装置,其中方法包括:根据风场分布、第一目标点的位置、第一目标点的信息大小的对应关系,规划无人机出航轨迹,将无人机出航轨迹上载至无人机,控制无人机按照出航轨迹,以出航飞行姿态,从第一目标点采集信息。这样考虑应用环境中的风场分布对无人机的出航飞行轨迹的影响,无人机在完成信息采集任务时的能量消耗相较于现有技术更符合实际的应用环境的能量消耗,并且在无人机按照出航轨迹,以出航飞行姿态飞向第一目标点的过程中,使用梯度风场爬升无人机的高度,减少无人机本身的能量消耗,使得无人机采集信息过程中的能量消耗最小。

    高能效的联邦学习方法、装置、边缘服务器及用户设备

    公开(公告)号:CN113177367A

    公开(公告)日:2021-07-27

    申请号:CN202110591514.9

    申请日:2021-05-28

    Abstract: 本发明实施例提供了一种高能效的联邦学习方法、装置、边缘服务器及用户设备,应用于通信技术领域,包括:确定当前通信轮次的参与用户设备以及待分配给各个参与用户设备的带宽信息;向各个参与用户设备下发全局模型和带宽信息;接收各个参与用户设备上传的本地模型参数;对各个参与用户设备上传的本地模型参数进行聚合,得到更新后的全局模型;判断更新后的全局模型是否到达目标精度;如果更新后的全局模型未到达目标精度,则返回确定当前通信轮次的参与用户设备以及待分配给各个参与用户设备的带宽信息,直至更新后的全局模型到达目标精度。能够实现针对边缘网络中的联邦学习,在保证模型精度的同时降低学习时间。

    基于信息价值确定联合数据采集及传输策略的方法及装置

    公开(公告)号:CN111224875B

    公开(公告)日:2021-03-19

    申请号:CN201911368132.9

    申请日:2019-12-26

    Abstract: 本发明实施例提供了一种信息采集及传输策略的确定方法、装置、设备及存储介质,该方法包括:计算与基站连接的节点下一时隙信息队列长度;根据该节点当前时隙信息队列长度以及下一时隙信息队列长度,计算基站通信范围内网络的稳定性差异;根据上述节点当前时隙的信息年龄、上述节点在当前时隙是否采集信息、该节点与基站的距离及当链路被激活时传输数据包带来的信息年龄收益,计算基站通信范围内信息传输与信息采集带来的最大信息年龄收益;根据上述稳定性差异与最大信息年龄收益确定信息采集及传输策略。该方法将信息的采集与传输与基站通信范围内网络的稳定性相结合,优化了与基站连接的节点的信息采集及传输策略,进一步实现了信息年龄的优化。

Patent Agency Ranking