原创力文档- 5
- 0
- 约2.29万字
- 约 21页
- 2023-05-13 发布于四川
- 举报
本发明公开了一种异构网络中基于计算卸载的联邦学习调度方法，首先宏基站利用用户本地的数据训练机器学习模型，用户可以将这些数据卸载到小基站附近的边缘服务器进行计算；然后综合考虑了联邦学习的精度，以及运算和通信中产生的能耗和时延，建立了优化问题，并分成了对本地学习精度和卸载决策，用户计算频率，用户资源块分配进行优化这三个子问题。通过仿真，本发明分析了在不同参数条件下所取得的效果。仿真结果表明，本发明提出的方法可以有效降低训练过程中的开销。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114650228 A
(43)申请公布日 2022.06.21
(21)申请号 202210274109.9
(22)申请日 2022.03.18
(71)申请人 南京邮电大学
地址 210023
文档评论（0）