公开(公告)号：CN119166359A

公开(公告)日：2024-12-20

申请号：CN202411406385.1

申请日：2024-10-10

Applicant: 北方工业大学

Inventor： 李阳 ,  姜毅 ,  李璐鑫 ,  马礼 ,  宋丽华

IPC: G06F9/50 ,  G06N3/092 ,  G06N3/0985 ,  G06N20/20 ,  G06F21/62 ,  G06N3/084

Abstract: 本发明实施例公开了一种边缘计算卸载的方法，引入个性化联邦学习机制，考虑每个边缘设备的独特特性和需求，实现个性化的卸载决策，提高资源利用和计算效率，满足不同应用场景下需求，采用个性化边缘计算卸载，仅传输模型参数或梯度信息而非原始数据，有效保护数据隐私，降低数据泄露和隐私侵犯的风险，增强系统的安全性和可信度，通过个性化边缘计算卸载，将多个边缘设备的本地知识融合到全局模型中，提高模型的泛化能力和准确性，使得全局模型更好地适应各种复杂场景和变化需求，通过个性化的卸载决策和迭代优化，合理地将计算任务分配给边缘设备或边缘服务器，实现资源的优化分配，提高计算效率和服务质量，满足用户的需求和期望。

公开(公告)号：CN116185523A

公开(公告)日：2023-05-30

申请号：CN202310026564.1

申请日：2023-01-09

Applicant: 北方工业大学

Inventor： 李阳 ,  马礼 ,  陈征 ,  姜毅 ,  马东超 ,  傅颖勋

IPC: G06F9/445 ,  G06F8/60 ,  G06N3/04 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种任务卸载和部署的方法，包括构建任务请求数据集；利用图神经网络算法为计算任务推荐协作节点；利用深度强化学习为计算任务输出任务部署策略；利用最优化理论计算最佳任务卸载策略；构建任务和协作节点间的交互记录；迭代优化最小化系统能耗的推荐模型和深度强化学习模型。采用了本发明的技术方案，极大降低任务部署节点的动作空间，加速训练模型的收敛速度，提高边缘计算系统的整体效益，降低边缘计算任务卸载、部署和资源分配的求解复杂度，减低边缘计算系统整体能耗。