[发明专利]一种基于联邦强化学习的边缘计算模型训练方法有效
| 申请号： | 202110620727.X | 申请日： | 2021-06-03 |
| 公开（公告）号： | CN113364543B | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 肖亮;许诗雨;洪思愿;林紫涵;冯玮 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | H04B17/391 | 分类号： | H04B17/391;H04B17/345;H04W16/22;G06N3/04;G06N3/08 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 福建*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于联邦强化学习的边缘计算模型训练方法，涉及无线通信和信息安全。1)检测信号覆盖范围内的移动设备数量，构建卷积神经网络，初始化参数；2)将各移动设备的参数组成状态向量输入卷积神经网络中，得选择的移动设备和训练数据量；3)将全局模型参数和选择的数据量发送给移动设备，接收移动设备的本地模型参数，更新全局模型参数；4)根据各移动设备的训练时间、目标识别精度和能量消耗作为奖励值，更新状态向量、存储向量；5)从内存中随机选取存储的向量更新卷积神经网络的权重参数；6)重复2)～5)至移动设备反馈的目标识别精度的平均值大于所需的目标识别精度。提高T秒内目标识别精度，减少训练时间和移动设备能量消耗。 | ||
| 搜索关键词： | 一种 基于 联邦 强化 学习 边缘 计算 模型 训练 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学，未经厦门大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110620727.X/，转载请声明来源钻瓜专利网。
