公开(公告)号：CN117313834A

公开(公告)日：2023-12-29

申请号：CN202311239858.9

申请日：2023-09-25

Applicant: 重庆大学

Inventor： 温万里 ,  罗坤 ,  彭晓玲 ,  贾云健 ,  张雨璐 ,  严吉平 ,  黄震 ,  高璋杰

IPC: G06N3/098 ,  G06N3/084 ,  H04L67/10 ,  H04L67/12

Abstract: 本发明涉及一种群体个性化联邦学习方法，属于无线通信技术领域。该方法包括：建立一个由云节点、边缘节点和设备构成的无线边缘网络，其中与同一边缘节点连接的设备视为一个群组；构建一种适用于本发明所考虑的网络的群体个性化联邦学习算法，建立一个旨在最小化损失和个性化群组模型之间的差异的优化问题数学模型；将原始优化问题分解为云节点求解的梯度下降和边缘节点与群组协作求解的近端算子；设计等效梯度下降的注意力消息传递机制，促进模型相似群组成对协作；设计联邦平均机制，使边缘节点与群组中可用设备协作训练个性化群组模型。本发明能提升无线边缘网络场景下的联邦学习算法性能。

公开(公告)号：CN117294689A

公开(公告)日：2023-12-26

申请号：CN202311239854.0

申请日：2023-09-25

Applicant: 重庆大学

Inventor： 温万里 ,  严吉平 ,  彭晓玲 ,  贾云健 ,  张雨璐 ,  罗坤 ,  黄震 ,  高璋杰

IPC: H04L65/80 ,  G06N3/092 ,  G06N3/045 ,  H04L65/60 ,  H04L41/14 ,  H04B7/06 ,  H04B7/0426 ,  H04B7/08 ,  H04B7/026

Abstract: 本发明涉及一种面向全息视频传输的联合波束赋形和码率选择方法，属于通信技术领域。该方法包括：步骤一：构建一个基于协作多点和波束赋形技术的视频流传输网络；步骤二：对全息视频进行分块处理和压缩处理，然后同时考虑全息视频的特有属性和用户的播放缓冲区状态，定义一个用户体验质量指标；步骤三：建立一个联合波束赋形和全息视频码率选择从而求解最大化所有用户的累积QoE的数学模型和优化问题；步骤四：将原优化问题分解成波束赋形子问题和分块码率选择子问题；步骤五：设计一种基于分层式架构的深度强化学习算法，最终达到优化目标。本发明最终的累积QoE值显著优于其他代表性基线对比方案。