公开(公告)号：CN120046755A

公开(公告)日：2025-05-27

申请号：CN202510112096.9

申请日：2025-01-24

Applicant: 东北大学

Inventor： 毕远国 ,  全兴晓 ,  郅明见 ,  项天敖 ,  佟懿轩 ,  王侃

IPC: G06N20/00 ,  G06F18/24

Abstract: 本发明属于联邦学习技术领域，公开一种基于队列调度的异步联邦学习方法。将客户端分为快客户端和慢客户端；将客户端上传的模型划分为高陈旧度模型和低陈旧度模型；根据上传本地模型的客户端类型以及客户端上传的模型类型，将本地模型进行再分类；服务器同样的生成与本地模型wi类别相对应的队列用于存储对应的本地模型，服务器依据本地模型wi的类型选择不同的聚合策略或交换策略，使得快客户端将高陈旧度模型的陈旧度降低为低陈旧度模型的判定要求后参与聚合。

公开(公告)号：CN119906969A

公开(公告)日：2025-04-29

申请号：CN202510112688.0

申请日：2025-01-24

Applicant: 东北大学

Inventor： 毕远国 ,  刘浩璐 ,  项天敖 ,  郅明见 ,  佟懿轩 ,  王侃

IPC: H04W4/40 ,  H04W28/084 ,  H04L41/16 ,  H04L41/142 ,  G06N3/0495 ,  G06N3/098

Abstract: 本发明属于车联网网络通信领域，公开一种基于集群拓展的车联网联邦学习动态稀疏训练方法。构建车联网场景下分层联邦学习训练架构：所述车联网场景下分层联邦学习训练架构为客户端‑服务器两层结构，包括边缘服务器和道路系统；基于车联网场景下分层联邦学习训练架构进行联邦动态稀疏训练：在边缘服务器的协调与管理下，训练节点基于本地数据训练稀疏网络结构，周期性地根据预定义的重构更新标准对稀疏网络结构进行更新；最终，在边缘服务器聚合并重构出一个满足目标稀疏度的全局网络结构。