公开(公告)号：CN119255214A

公开(公告)日：2025-01-03

申请号：CN202411421078.0

申请日：2024-10-12

Applicant: 南京邮电大学

Inventor： 包翀宇 ,  梁化祥 ,  刘同 ,  李华博 ,  徐波 ,  于婕 ,  尚钰嘉 ,  赵海涛

IPC: H04W4/70 ,  H04W72/40

Abstract: 本发明公开了一种面向联邦边缘学习的D2D配对及设备调度的联合方法，属于联邦边缘学习环境下的设备参与及数据共享技术领域。本发明提出了一个支持D2D通信联邦边缘学习架构，主要关注D2D设备对的关联方式和实体调度策略，重点考虑通信丢包错误率、移动设备的数据异构特性对模型的收敛性能影响，旨在改善由于基站频谱资源有限造成的设备接入数量限制问题。本方法引入设备关联调度策略，增强联邦边缘学习系统对波动通信条件的弹性；通过引入公平性约束，保障每个设备都有机会参与训练，使得全局模型学习的数据更全面；通过引入D2D通信增加基站接入量，改善边缘联邦学习的性能；在满足边缘基站接收容量限制的条件下最小化全局损失。

公开(公告)号：CN119497152A

公开(公告)日：2025-02-21

申请号：CN202411508655.X

申请日：2024-10-28

Applicant: 南京邮电大学

Inventor： 张楚欣 ,  包翀宇 ,  丁欣瑶 ,  柏锦程 ,  李华博 ,  赵海涛 ,  朱桂龙 ,  刘淼

IPC: H04W28/084 ,  H04W28/086 ,  H04W28/08 ,  G06N3/092

Abstract: 本发明公开一种基于上下文多臂机与深度强化学习的无线边缘缓存动态优化策略，属于人工智能与边缘计算交叉技术领域。本发明步骤：①智慧交通场景中从基站向主基站发送从基站缓存中已缓存内容的缓存状态索引集sk；②通过DRL，主基站能够根据当前k时期的缓存状态值sk和预期折现奖励函数Q(sk,ak；θk)决定将执行的行动ak，从而得到最优的缓存替换策略#imgabs0#③从基站根据#imgabs1#对已缓存内容集进行更新；④从基站用CMAB算法，提取并分析用户及缓存信息的特征信息，计算每个内容的预测奖励UCB。选择使UCB值最大的内容对应的请求队列进行组播。接收用户反馈的实际奖励后，更新模型参数，以动态调整组播内容。该方法确保用户获取最新内容，提高数据实时处理能力并避免提供陈旧数据。