公开(公告)号：CN119004246A

公开(公告)日：2024-11-22

申请号：CN202410879467.1

申请日：2024-07-02

Applicant: 北京邮电大学 ,  国网冀北电力有限公司信息通信分公司

Inventor： 王莉 ,  徐连明 ,  王凯亮 ,  张东辉 ,  吴鑫 ,  刘虓 ,  于然 ,  王宣元 ,  魏思涵 ,  任建伟 ,  李信 ,  金燊 ,  鲁杰 ,  门宝霞 ,  周国亮 ,  于蒙 ,  张姣姣

IPC: G06F18/2415 ,  G06F18/214 ,  G06F9/50

Abstract: 本发明提供一种基于自适应联邦学习的设备选择方法和装置，其中，方法包括：以当前轮次联邦训练选取的边端设备节点的数量最大化为目标，建模多臂老虎机MAB问题，基于当前轮次联邦训练的预设资源利用率阈值、预设时间阈值和预设设备数量阈值确定约束条件；确定每一边端设备节点的性能参数预测值、下载速率、上传速率、当前本地数据量和本地模型测试精度，提取得到每一边端设备节点的性能特征向量，性能参数预测值包括训练时间预测值和资源利用率预测值；基于每一边端设备节点的性能特征向量，在约束条件下，对MAB问题进行求解，确定当前轮次联邦训练的最优设备选取方案。本发明提高了联邦训练的效率和成功率，降低了算力和通信资源开销。

公开(公告)号：CN118194976A

公开(公告)日：2024-06-14

申请号：CN202410267426.7

申请日：2024-03-08

Applicant: 北京邮电大学

Inventor： 王莉 ,  徐连明 ,  费爱国 ,  吴鑫 ,  刘虓

IPC: G06N3/098 ,  G06N3/082 ,  G06N20/00 ,  G06F18/214

Abstract: 本发明提供一种基于异构边端设备的自适应联邦学习系统及方法，属于机器学习技术领域，所述系统包括：中心服务器，用于在当前轮次模型训练过程中，根据从各边端设备接收的底层模型参数，更新当前业务模型，更新后的业务模型作为下一轮次模型训练过程中的当前业务模型，底层模型参数是输入侧的模型参数；K个边端设备，各边端设备存储有本地数据集，并部署有与其设备算力相符的子模型，子模型是业务模型的分片。各边端设备持有独立的训练数据，充分利用各个边端设备分散的算力资源与本地数据，根据现场边端设备算力对大规模模型进行切分部署，通过在边端设备上部署与其设备算力相符的子模型，协调资源开销，解决应急场景下边端设备资源受限的问题。