-
公开(公告)号：CN116187428A
公开(公告)日：2023-05-30
申请号：CN202211467620.7
申请日：2022-11-22
Applicant: 重庆邮电大学
IPC: G06N3/098 , G08G1/16 , G08G1/01 , G06N3/092 , G06N3/0985 , G06N3/047 , G06N7/01 , H04W4/44 , H04W4/70 , G16Y10/40 , G16Y20/00 , G16Y40/10 , G16Y40/20 , G16Y40/50
Abstract: 本发明涉及一种基于自适应联邦学习的碰撞预警方法，属于智能驾驶技术领域。该方法包括：RSU确定本轮全局更新中的训练参数，包括本地训练次数τ和参与聚合的局部模型数量N；ICV利用本地模型参数和本地数据集进行τ次碰撞预警模型的本地更新，并将本地模型参数上传至RSU；当RSU接收到的局部模型数量达到N时，执行模型聚合获得全局碰撞预警模型，否则继续等待其他ICV上传本地模型参数；当全局碰撞预警模型收敛或达到指定模型精度，结束训练；RSU采用A3C的深度强化学习方法实现自适应调整参数。本发明能在保证预测精度的前提下，充分考虑实时的训练和资源情况，自适应调整训练参数，以降低碰撞预警模型训练时延。
-
公开(公告)号：CN116306988A
公开(公告)日：2023-06-23
申请号：CN202310140328.2
申请日：2023-02-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于数字孪生辅助的经济高效联邦学习方法，属于数字孪生和联邦学习领域，包括以下步骤：S1：构建数字孪生辅助的联邦学习框架；S2：车辆和边缘服务器将其资源信息和任务列表告知云中心；S3：云中心做出决策；S4：车辆根据边缘选择结果进行模型训练；S5：边缘服务器聚合车辆模型，得到局部模型，再将模型上传给云中心；S6：云中心进行全局聚合，得到全局模型；S7：系统更新资源状态和运行状态，云中心采用P‑DQN求解数字孪生辅助的经济高效联邦学习模型的优化问题，为下一轮联邦学习探索边缘选择策略和资源分配策略；S8：循环执行步骤S2‑S7，直至全局模型收敛至预设精度。
-
公开(公告)号：CN116193516A
公开(公告)日：2023-05-30
申请号：CN202211474479.3
申请日：2022-11-22
Applicant: 重庆邮电大学
IPC: H04W28/084 , H04W28/08 , H04W52/02 , G06F9/50 , G06N3/045 , G06N3/0464 , G06N3/098 , G06N3/092 , G06N3/084
Abstract: 本发明涉及一种物联网场景下用于高效联邦学习的成本优化方法，属于移动通信领域，包括以下步骤：S1：建立半异步联邦学习系统时间成本和能耗成本的成本优化模型；S2：边缘计算服务器基于时域卷积网络算法，实时感知每个IoT设备的剩余资源；S3：设计了一种贪婪搜索的设备选择方法，根据资源感知的结果和模型陈旧度均值的大小，选择出最佳的IoT设备参与全局模型的训练；S4：资源分配方法，采取异步优势演员评论家算法对所选择的设备进行资源分配，同时满足系统成本消耗的最小化。本发明可以减少采用半异步联邦学习架构进行模型训练时的时间和能量的成本消耗，有效降低系统开销。
-
公开(公告)号：CN116170844A
公开(公告)日：2023-05-26
申请号：CN202310140587.5
申请日：2023-02-20
Applicant: 重庆邮电大学
IPC: H04W28/08 , H04W28/086 , G16Y10/75 , H04L67/10
Abstract: 本发明一种用于工业物联网场景中的数字孪生辅助任务卸载方法，属于移动通信领域，包括以下步骤：S1：在BS中构建IIoT设备和MBS的数字孪生模型，同时考虑数据偏差对构建模型精准度的影响；S2：在最佳的任务划分策略下，根据粒子群搜索的边缘关联算法，确定每个IIoT设备所关联的MBS集合；S3：根据近似最佳的边缘关联结果，通过基于DDPG的任务划分算法确定各个子任务的任务划分比例，制定任务卸载策略；S4：根据S2和S3中的结果，将当前时隙最佳的任务卸载策略从数字孪生网络发送给物理实体网络，物理设备根据卸载策略去执行相关的操作。本发明充分考虑数据偏差影响，减少IIoT设备在任务卸载过程中的时间消耗，有效提升用户计算的服务体验。
-
-
-
Search Results
4
records
(took 0.018 seconds)
