公开(公告)号：CN114265631B

公开(公告)日：2024-04-05

申请号：CN202111497448.5

申请日：2021-12-09

Applicant: 浙江工业大学

Inventor： 黄亮 ,  杨仕成 ,  梁森杰 ,  张书彬 ,  池凯凯

IPC: G06F9/445 ,  G06F9/50 ,  G06N3/04 ,  G06N3/0985 ,  G06N20/00

Abstract: 本发明公开了一种基于联邦元学习的移动边缘计算智能卸载方法及装置，云端服务器和边缘服务器具有结构相同的神经网络模型，边缘服务器从云端服务器下载所述神经网络模型的初始网络参数用于更新本地神经网络模型的网络参数，边缘服务器训练本地的神经网络模型，计算出损失值上传给云端服务器，云端服务器聚合所有接收到的损失值进行网络参数的更新，完成网络模型的训练，边缘服务器采用训练好的神经网络模型决定最优卸载策略。本发明在不泄露用户数据隐私的前提下，联合多个边缘服务器共同训练学习，得到泛化能力更强的神经网络模型，并实现边缘服务器个性化计算卸载应用。

公开(公告)号：CN114265631A

公开(公告)日：2022-04-01

申请号：CN202111497448.5

申请日：2021-12-09

Applicant: 浙江工业大学

Inventor： 黄亮 ,  杨仕成 ,  梁森杰 ,  张书彬 ,  池凯凯

IPC: G06F9/445 ,  G06F9/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于联邦元学习的移动边缘计算智能卸载方法及装置，云端服务器和边缘服务器具有结构相同的神经网络模型，边缘服务器从云端服务器下载所述神经网络模型的初始网络参数用于更新本地神经网络模型的网络参数，边缘服务器训练本地的神经网络模型，计算出损失值上传给云端服务器，云端服务器聚合所有接收到的损失值进行网络参数的更新，完成网络模型的训练，边缘服务器采用训练好的神经网络模型决定最优卸载策略。本发明在不泄露用户数据隐私的前提下，联合多个边缘服务器共同训练学习，得到泛化能力更强的神经网络模型，并实现边缘服务器个性化计算卸载应用。