申请/专利权人:香港中文大学(深圳)
申请日:2022-08-26
公开(公告)日:2022-09-23
公开(公告)号:CN115099420A
主分类号:G06N20/00
分类号:G06N20/00;G06N3/08;G06N3/04;H04W28/08;H04L67/10
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.07.21#发明专利申请公布后的驳回;2022.10.14#实质审查的生效;2022.09.23#公开
摘要:本发明公开了一种面向无线联邦学习的模型聚合权重动态分配方法,包括以下步骤:S1.对于具有一个数据中心和K个边缘设备的无线联邦学习系统,数据中心将模型参数无线信道广播给所有边缘设备,边缘设备根据接收到的信息估计并更新得到模型参数;S2.所有边缘设备通过无线上行链路将更新以后的模型参数发送给数据中心;S3.对每轮迭代过程上下行无线信道衰落和加性噪声造成的影响进行目标函数构建,并基于最小化目标函数和功率约束,得到优化问题并进行求解得到最优的权重分配方案。本发明能够在数据中心进行模型聚合时,确定各个边缘设备的权重,有效保证了无线联邦学习过程中模型聚合的准确性。
主权项:1.一种面向无线联邦学习的模型聚合权重动态分配方法,其特征在于:包括以下步骤:S1.对于具有一个数据中心和K个边缘设备的无线联邦学习系统,数据中心将模型参数通过无线信道广播给所有边缘设备,边缘设备根据接收到的信息估计并更新得到模型参数;S2.所有边缘设备通过无线上行链路将更新以后的模型参数发送给数据中心;S3.对每轮迭代过程上下行无线信道衰落和加性噪声造成的影响进行目标函数构建,并基于最小化目标函数和功率约束,得到优化问题并进行求解得到最优的权重分配方案。
全文数据:
权利要求:
百度查询: 香港中文大学(深圳) 一种面向无线联邦学习的模型聚合权重动态分配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。