一种基于莫罗包络的群体个性化联邦学习方法

    公开(公告)号:CN119277423A

    公开(公告)日:2025-01-07

    申请号:CN202411558115.2

    申请日:2024-11-04

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于莫罗包络的群体个性化联邦学习方法,属于无线通信领域。该方法主要包括:构建一个由若干用户节点、其对应的子服务器以及一个边缘服务器组成的无线边缘网络系统,其中与同一子服务器相连接的用户节点称为一个群组;建立一个相互解耦的双层并行联邦学习优化问题,其中第一层是基于莫罗包络改进的边缘群组个性化优化问题,第二层是关于群组内的联邦优化问题;促进群组与关联的子服务器协作训练个性化模型,根据迭代得到的个性化模型更新对应的群组模型。本发明提出的基于莫洛包络的群体个性化联邦学习方法可以有效提升群体层面Non‑IID数据设置下的联邦无线边缘网络模型性能。

    一种语义驱动的全息内容自适应传输方法

    公开(公告)号:CN119967593A

    公开(公告)日:2025-05-09

    申请号:CN202510061506.1

    申请日:2025-01-15

    Applicant: 重庆大学

    Abstract: 本发明涉及一种语义驱动的全息内容自适应传输方法,属于通信技术领域。该方法包括以下步骤:S1:建立一个物联网设备传输全息内容的语义驱动通信模型,其中包括语义模型和传输模型;S2:构建一个联合基站关联、语义压缩比选择和功率分配的优化问题,以最大化任务效用;S3:建立功率优化的子问题,分析发射功率的可行性条件,并设计一种基于梯度投影法的功率分配算法;S4:利用深度强化学习算法联合求解基站关联、语义压缩比选择和功率分配。本发明针对问题的非凸性和NP‑难特性,将数值优化和DRL相结合制定资源分配策略,提出通过梯度投影法辅助的强化学习算法,以加速强化学习模型的收敛,提高任务完成效率。

Patent Agency Ranking