申请/专利权人：西北工业大学

申请日：2023-08-22

公开（公告）日：2023-12-08

公开（公告）号：CN117195019A

主分类号：G06F18/23211

分类号：G06F18/23211;G06N3/098;G06N3/084;H04W4/40;H04W84/18

优先权：["20230207 CN 2023100703773"]

专利状态码：在审-公开

法律状态：2023.12.08#公开

摘要：本发明公开了一种面向VANET的轻量级联邦学习框架优化方法，涉及人工智能技术领域，包括以下步骤：采用动态聚类分簇方法，将车辆集合划分成多个聚类簇；利用分布式共识算法为每个聚类簇选举中心节点，在多个中心节点之间选举全局中心节点；利用混合联邦学习的方法，将多个聚类簇中的非敏感数据收集至全局中心节点，进行初始全局模型预训练产生初始全局模型；将初始全局模型发送到某一聚类簇中心节点，并指定簇间迭代训练的顺序；每个聚类簇依据初始全局模型进行本地训练，完成簇内模型以及簇间全局模型的迭代训练。本发明解决了现有的面向VANET的联邦学习框架依赖云端联邦模型聚合模式，存在通信开销大、联邦模型收敛效率低等问题。

主权项：1.一种面向VANET的轻量级联邦学习框架优化方法，其特征在于，包括以下步骤：采用动态聚类分簇方法，将VANET应用场景中参与的车辆集合划分成多个聚类簇；利用分布式共识算法为每个聚类簇选举中心节点；利用分布式共识算法在多个中心节点之间选举全局中心节点；利用混合联邦学习的方法，将多个聚类簇中的非敏感数据收集至全局中心节点，进行初始全局模型预训练，并产生初始全局模型；全局中心节点将初始全局模型发送到某一聚类簇中心节点，并指定簇间迭代训练的顺序；每个聚类簇根据初始全局模型进行本地训练，多个聚类簇按照指定顺序依次进行簇间迭代训练，完成簇内模型以及簇间全局模型的迭代训练，得到经迭代加权聚合的全局模型；全局模型依次经过多个中心节点被分发至全部参与车辆，参与车辆利用全局模型执行智能决策任务。

全文数据：

权利要求：

百度查询： 西北工业大学 一种面向VANET的轻量级联邦学习框架优化方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD