-
公开(公告)号：CN112183612B
公开(公告)日：2023-01-24
申请号：CN202011015398.8
申请日：2020-09-24
Applicant: 重庆邮电大学
IPC: G06F18/214 , H04L9/40 , G06N20/00 , G06F21/62
Abstract: 本发明涉及联合学习技术领域，特别涉及一种基于参数扩充的联合学习方法、装置及系统；所述方法包括在本地训练全局模型，记录本地训练过程中产生的梯度值；利用梯度值集合采用扩充法改进k匿名算法，扩充出参数集合；将这些参数集合发送给服务器，服务器将对接收到的参数集合进行单点聚合，求出每个参数集合中的平均值；将这些平均值采用加权平均求出新的参数；利用新的参数构建新的全局模型，测试所述新的全局模型是否满足停止迭代条件，若满足，则停止训练过程，否则服务器将全局模型发送至计算设备继续进行训练；在上述方案中，本发明可以解决联合学习过程中的重构攻击问题，增强参数的隐匿性，保护数据安全。
-
公开(公告)号：CN112183612A
公开(公告)日：2021-01-05
申请号：CN202011015398.8
申请日：2020-09-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及联合学习技术领域，特别涉及一种基于参数扩充的联合学习方法、装置及系统；所述方法包括在本地训练全局模型，记录本地训练过程中产生的梯度值；利用梯度值集合采用扩充法改进k匿名算法，扩充出参数集合；将这些参数集合发送给服务器，服务器将对接收到的参数集合进行单点聚合，求出每个参数集合中的平均值；将这些平均值采用加权平均求出新的参数；利用新的参数构建新的全局模型，测试所述新的全局模型是否满足停止迭代条件，若满足，则停止训练过程，否则服务器将全局模型发送至计算设备继续进行训练；在上述方案中，本发明可以解决联合学习过程中的重构攻击问题，增强参数的隐匿性，保护数据安全。
-
公开(公告)号：CN112188627B
公开(公告)日：2022-05-03
申请号：CN202011029933.5
申请日：2020-09-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及车联网与边缘计算技术领域，具体涉及一种基于状态预测的动态资源分配策略，包括：将系统的服务时间T划分为离散的时间间隙；在单轮静态请求阶段，通过最优化问题来求解车辆固定时刻固定位置下的最优资源分配方案；在多轮动态请求阶段，通过预测算法来调整边缘服务器状态变化，减少系统的能源消耗。本发明在满足车辆提供车联网服务的资源需求的前提下，最大化节省边缘计算系统的能源消耗。
-
公开(公告)号：CN112188627A
公开(公告)日：2021-01-05
申请号：CN202011029933.5
申请日：2020-09-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及车联网与边缘计算技术领域，具体涉及一种基于状态预测的动态资源分配策略，包括：将系统的服务时间T划分为离散的时间间隙；在单轮静态请求阶段，通过最优化问题来求解车辆固定时刻固定位置下的最优资源分配方案；在多轮动态请求阶段，通过预测算法来调整边缘服务器状态变化，减少系统的能源消耗。本发明在满足车辆提供车联网服务的资源需求的前提下，最大化节省边缘计算系统的能源消耗。
-
-
-
Search Results
4
records
(took 0.016 seconds)
