一种面向高性能分层联邦边缘学习的调度与资源分配方法.pdfVIP

下载本文档

1
0
约2.41万字
约 22页
2023-07-05 发布于四川
举报
版权申诉

一种面向高性能分层联邦边缘学习的调度与资源分配方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及一种面向高性能分层联邦边缘学习的调度与资源分配方法，属于无线通信技术领域。该方法为：设置H‑FEEL系统，包括一个单天线基站，若干个辅助器和它们服务的多个边缘设备；基站将初始模型广播给各个边缘设备，各个边缘设备根据收到的模型计算本地梯度，随后将计算结果上传到对应的辅助器，各个辅助器计算加权梯度，然后依照基站指示的调度和资源分配策略，通过无线信道上传加权梯度，基站根据辅助器上传的加权。本发明综合考虑了梯度散度和无线资源分配对学习模型训练收敛性的影响，通过最小化设备能耗和梯度散度的加权和，

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113504999 A (43)申请公布日 2021.10.15 (21)申请号 202110896173.6 (22)申请日 2021.08.05 (71)申请人重庆