-
公开(公告)号：CN115150918B
公开(公告)日：2025-04-08
申请号：CN202210626888.4
申请日：2022-06-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种分簇网络架构下的可靠联邦学习方法、系统、设备及终端，系统根据分簇规则选出簇头用户，并将网络中所有参与联邦学习任务的用户与其最近的可信簇头进行关联，从而完成分簇过程；簇头用户根据接收的簇内用户的本地模型参数聚合生成簇内模型，并协助簇内用户完成本地信誉表的更新；基站根据接收的簇内模型参数聚合生成全局模型，并协助网络中所有用户完成本地模型参数以及信誉表的更新；重复上述过程，直至联邦学习任务完成或者用户设备能量耗尽。本发明克服了无线联邦学习在典型的客户‑服务器架构下扩展性有限和能耗过大的不足，保证无线联邦学习的安全性，延长整个网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN111970709B
公开(公告)日：2022-09-16
申请号：CN202010662808.1
申请日：2020-07-10
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于粒子群优化算法的无人机中继部署方法及系统，设计并明确无人机中继的信道模型，计算其大尺度衰落路径损耗以及小尺度衰落，得到不同设备之间连接时的信道增益以及其信干噪比值；设计并明确无人机中继的能耗模型，明确悬停状态下无人机的功耗构成；构建优化目标，将有约束的混合01整数非线性规划问题转换为无约束的最优化问题；结合改进后的粒子群算法对终端设备发射功率，无人机中继候选部署位置，以及终端设备‑无人机中继‑信道关联关系进行优化，以实现系统总能耗最小化。本发明对标准粒子群算法进行了改进，更适用于该最优化问题的求解，提高了算法的执行效率。
-
公开(公告)号：CN112153650B
公开(公告)日：2022-07-26
申请号：CN202010898028.7
申请日：2020-08-31
Applicant: 西北农林科技大学
IPC: H04W12/122 , H04L9/40 , G06K9/62 , G06N20/00
Abstract: 本发明属于无线通信技术领域，公开了一种无线网络中基于终端信誉的可靠联邦学习方法及系统，通过Beta函数对用户进行信誉建模，令基站构建所有与之关联用户的信誉表，并初始化联邦学习的其他相关参数；在每一轮次的终端用户训练完成后，根据用户信誉公平地选择部分用户与基站进行交互，排除较差信誉用户被调度的可能，同时采用一种公平的策略防止高信誉的用户被过度调度。在基站处根据用户信誉值的比重将本地模型参数按照一定比例进行聚合，并根据当前用户的行为和信道质量更新用户信誉。本发明合理有效地调度更多终端用户参与联邦学习过程，克服了无线网络中信道资源的限制，避免造成资源浪费的问题，极大提升了联邦学习效率和性能。
-
公开(公告)号：CN112153650A
公开(公告)日：2020-12-29
申请号：CN202010898028.7
申请日：2020-08-31
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种无线网络中基于终端信誉的可靠联邦学习方法及系统，通过Beta函数对用户进行信誉建模，令基站构建所有与之关联用户的信誉表，并初始化联邦学习的其他相关参数；在每一轮次的终端用户训练完成后，根据用户信誉公平地选择部分用户与基站进行交互，排除较差信誉用户被调度的可能，同时采用一种公平的策略防止高信誉的用户被过度调度。在基站处根据用户信誉值的比重将本地模型参数按照一定比例进行聚合，并根据当前用户的行为和信道质量更新用户信誉。本发明合理有效地调度更多终端用户参与联邦学习过程，克服了无线网络中信道资源的限制，避免造成资源浪费的问题，极大提升了联邦学习效率和性能。
-
公开(公告)号：CN111970709A
公开(公告)日：2020-11-20
申请号：CN202010662808.1
申请日：2020-07-10
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于粒子群优化算法的无人机中继部署方法及系统，设计并明确无人机中继的信道模型，计算其大尺度衰落路径损耗以及小尺度衰落，得到不同设备之间连接时的信道增益以及其信干噪比值；设计并明确无人机中继的能耗模型，明确悬停状态下无人机的功耗构成；构建优化目标，将有约束的混合01整数非线性规划问题转换为无约束的最优化问题；结合改进后的粒子群算法对终端设备发射功率，无人机中继候选部署位置，以及终端设备-无人机中继-信道关联关系进行优化，以实现系统总能耗最小化。本发明对标准粒子群算法进行了改进，更适用于该最优化问题的求解，提高了算法的执行效率。
-
公开(公告)号：CN115150918A
公开(公告)日：2022-10-04
申请号：CN202210626888.4
申请日：2022-06-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种分簇网络架构下的可靠联邦学习方法、系统、设备及终端，系统根据分簇规则选出簇头用户，并将网络中所有参与联邦学习任务的用户与其最近的可信簇头进行关联，从而完成分簇过程；簇头用户根据接收的簇内用户的本地模型参数聚合生成簇内模型，并协助簇内用户完成本地信誉表的更新；基站根据接收的簇内模型参数聚合生成全局模型，并协助网络中所有用户完成本地模型参数以及信誉表的更新；重复上述过程，直至联邦学习任务完成或者用户设备能量耗尽。本发明克服了无线联邦学习在典型的客户‑服务器架构下扩展性有限和能耗过大的不足，保证无线联邦学习的安全性，延长整个网络的生命周期。
-
-
-
-
-
Search Results
6
records
(took 0.035 seconds)
