公开(公告)号：CN120066769A

公开(公告)日：2025-05-30

申请号：CN202510111227.1

申请日：2025-01-23

Applicant: 南京大学

Inventor： 杨鲲 ,  张涵 ,  向路平 ,  张丙鑫 ,  郑雅俪

IPC: G06F9/50 ,  G06N20/20

Abstract: 本发明公开了一种基于价格歧视博弈的联邦学习分布式资源管理方法，包括：构建并训练联邦学习模型，服务器用于在客户端集合中选择客户端子集，客户端子集中的客户端用于接收训练得到的全局模型后根据全局模型分配CPU频率完成局部模型的训练；根据训练后的联邦学习模型构建通信与计算模型；根据联邦学习模型和通信与计算模型分别构建服务器效用函数和客户端效用函数；构建服务器与客户端优化问题；基于价格歧视博弈算法求解服务器与客户端优化问题，得到最佳资源分配策略。仅提高了联邦学习的整体性能，还实现了在模型精度、训练时间和资源成本之间的有效平衡，提升了联邦学习系统的公平性和资源利用效率。

公开(公告)号：CN119358642A

公开(公告)日：2025-01-24

申请号：CN202411568219.1

申请日：2024-11-05

Applicant: 南京大学

Inventor： 杨鲲 ,  彭于波 ,  向路平 ,  张丙鑫 ,  何昊宇

IPC: G06N3/098 ,  G06N3/096 ,  G06N3/082 ,  G06N3/0495 ,  G06N3/0455 ,  G06V20/70 ,  G06V10/82 ,  G06V10/764 ,  H04L1/00

Abstract: 本发明涉及一种基于个性化联邦学习的语义通信模型训练方法，所述训练方法包括：S1、构建基于GAI的SC模型架构；S2、通过知识蒸馏技术对个性化的语义通信模型和学生模型进行本地训练；S3、将学生模型参数上传到中心服务器进行参数聚合；S4、通过网络剪枝技术根据实时通信环境对聚合后的学生模型参数进行动态调整；S5、将更新的学生模型参数下载到各用户设备，更新其本地学生模型后继续训练。本发明在联邦学习的本地训练中引入知识蒸馏技术，保证异构的用户设备能够更加灵活地选择个性化的SC模型进行本地训练，在全局聚合阶段使用网络剪枝技术根据实时的通信环境对模型参数进行自适应调整，实现了模型精度和通信开销的有效权衡。