公开(公告)号：CN118485159A

公开(公告)日：2024-08-13

申请号：CN202410349561.6

申请日：2024-03-25

Applicant: 重庆大学

Inventor： 李秀华 ,  唐健 ,  熊敏 ,  张帧 ,  王刚 ,  郝金隆 ,  范琪琳 ,  杨正益 ,  文俊浩

IPC: G06N20/00 ,  H04W28/02

Abstract: 一种异构移动边缘计算网络中高能效客户端采样的联邦学习方法，包括：1)建立异构移动边缘计算系统，包括参数服务器以及#imgabs0#个存在系统异构性的移动客户端；2)参数服务器生成采样策略#imgabs1#并设通信次数t＝1；3)参数服务器根据采样策略#imgabs2#从#imgabs3#个移动客户端中选出#imgabs4#个参与联邦学习训练的移动客户端；4)所述#imgabs5#个移动客户端在本地进行更新；5)参数服务器对更新后的模型参数进行加权聚合，得到全局模型的参数；6)判断全局模型的参数是否达到收敛条件，若是，则输出参数服务器中的全局模型的参数，若否，则令t＝t+1，并返回步骤3)。本发明综合考虑联邦学习训练过程中的能量消耗和模型的损失函数，在确保模型收敛性的同时降低能耗。