公开(公告)号：CN117835280A

公开(公告)日：2024-04-05

申请号：CN202410006514.1

申请日：2024-01-02

Applicant: 重庆邮电大学

Inventor： 李云 ,  刘子梁 ,  蒋云凤 ,  龙月芳 ,  马文卓

IPC: H04W24/02 ,  H04W24/06 ,  H04W28/084 ,  G06N20/00 ,  G06F18/22 ,  G06F18/23 ,  H04W84/06

Abstract: 本发明属于无人机移动通信技术领域，特别涉及一种融合聚类与选择优化的无人机联邦学习方法，包括云端下发全局模型参数到各个无人机进行训练；根据无人机更新参数模型的梯度方向对无人机进行分簇，并基于无人机的延迟和资源确定每个簇内参与模型参数更新的无人机集合；每个簇内被选中进行模型参数更新的无人机进行集群联邦学习训练一个基于其所在簇的模型参数并上传到云端；云端收集所有选中无人机的模型参数，并将收集的模型参数更新全局模型参数；将更新后的全局模型参数下发到无人机，重复以上操作，直到达到预设训练次数或者满足训练停止条件；本发明显著降低了无人机的运行成本，提升了整个无人机网络的智能化和效率化水平。

公开(公告)号：CN117834457A

公开(公告)日：2024-04-05

申请号：CN202410006497.1

申请日：2024-01-02

Applicant: 重庆邮电大学

Inventor： 李云 ,  刘子梁 ,  胡飞波 ,  蒋云凤 ,  马文卓

IPC: H04L41/16 ,  H04L41/14 ,  H04L67/10 ,  G06N20/00 ,  G06N3/098

Abstract: 本发明属于无人机移动通信技术领域，特别涉及一种基于云边端架构的无人机联邦学习方法，包括云服务器进行初始化全局模型，并将全局参数下发到无人机；无人机利用无人机本地的数据对模型进行多次随机梯度下降迭代，无人机完成训练后将其模型参数发送给对应边缘服务器；边缘服务器收集区域内所有无人机发送的模型参数，并将所有参数聚合为一个模型参数，将聚合的模型参数发送给云服务器；云服务器收集所有边缘服务器发送的模型参数，对收集的参数进行聚合，得到一个新的全局参数，将全局参数继续分发给边缘服务器，直到全局参数收敛或者达到最大迭代次数；本发明极大减少了无人机通信开销，提高了全局模型精度。