-
公开(公告)号:CN116484976A
公开(公告)日:2023-07-25
申请号:CN202310460800.0
申请日:2023-04-26
Applicant: 吉林大学
IPC: G06N20/00
Abstract: 本发明涉及联邦学习技术领域,具体涉及一种无线网络中异步联邦学习方法,包括:构建包括N个用户和一个基站的基于联邦学习的无线网络系统架构;在每轮训练开始时,基站对用户进行分组,并选择每组通信链路状态最好的用户作为“header”,将全局模型发送给每组的“header”;每组的“header”将全局模型发送给给定用户,进行本地模型的训练;各“header”按预设规则对训练完成的组内用户进行调度,接收被调度用户上传的本地模型进行聚合,生成组模型;各“header”将生成的组模型同步上传到基站,基站再对各个组模型进行聚合,生成全局模型。本发明考虑无线网络中复杂的信道环境,提高模型的训练精度。
-
公开(公告)号:CN105722102B
公开(公告)日:2019-01-01
申请号:CN201610070941.1
申请日:2016-02-02
Applicant: 吉林大学
Abstract: 本发明涉及一种人体行走姿态下最大化无线体域网生存周期的汇聚节点放置方法,属于无线通信领域,包括构建无线体域网网络生存期最大化模型;利用无线体域网信道模型、功率控制模型以及能量消耗模型,推导最大化无线体域网生存周期的汇聚节点放置方法;提出汇聚节点放置方法的近似求解算法。本发明针对无线体域网中汇聚节点的放置位置问题,克服了传统的将汇聚节点固定在人体腰部位置引起能量消耗增加的缺点,同时也首次将该方法应用到拓扑动态变化的无线体域网中。在满足比特误码率以及功率约束条件下,该方法最大化了网络的生存期,更加适用于人体生理参数的全天候监测。
-
公开(公告)号:CN105722102A
公开(公告)日:2016-06-29
申请号:CN201610070941.1
申请日:2016-02-02
Applicant: 吉林大学
CPC classification number: Y02D70/126 , H04W16/18 , H04W4/80 , H04W16/22 , H04W84/18
Abstract: 本发明涉及一种人体行走姿态下最大化无线体域网生存周期的汇聚节点放置方法,属于无线通信领域,包括构建无线体域网网络生存期最大化模型;利用无线体域网信道模型、功率控制模型以及能量消耗模型,推导最大化无线体域网生存周期的汇聚节点放置方法;提出汇聚节点放置方法的近似求解算法。本发明针对无线体域网中汇聚节点的放置位置问题,克服了传统的将汇聚节点固定在人体腰部位置引起能量消耗增加的缺点,同时也首次将该方法应用到拓扑动态变化的无线体域网中。在满足比特误码率以及功率约束条件下,该方法最大化了网络的生存期,更加适用于人体生理参数的全天候监测。
-
-