龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京邮电大学
申请日：2024-04-17
公开（公告）日：2024-07-05
公开（公告）号：CN118297337A
主分类号：G06Q10/0631
分类号：G06Q10/0631;G06N3/098
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了多维资源联合优化的空域联邦学习客户端激励调度方法，包括无人机和模型所有者，步骤一，发布联邦学习任务和合同项：模型所有者根据其神经网络模型训练的任务需求和激励预算设计联邦学习的合同项，用于激励无人机采集图像数据，并为其提供模型训练服务，并向无人机广播其合同项和联邦学习任务邀请；步骤二，无人机进行合同项选择：无人机选择合同项后向模型所有者返回所选合同项信息，并入选联邦学习任务的模型训练无人机候选池；本方案可以使模型所有者在不了解无人机客户端信息的情况下，根据无人机的数据质量和数据代表性，选择使模型收敛最快的无人机，该方法节省了模型训练的激励成本，加快了模型的收敛速度和训练精度。
主权项：1.多维资源联合优化的空域联邦学习客户端激励调度方法，包括无人机和模型所有者，其特征在于：包括如下步骤：步骤一，发布联邦学习任务和合同项：模型所有者根据其神经网络模型训练的任务需求和激励预算设计联邦学习的合同项，用于激励无人机采集图像数据，并为其提供模型训练服务，并向无人机广播其合同项和联邦学习任务邀请；步骤二，无人机进行合同项选择：无人机选择合同项后向模型所有者返回所选合同项信息，并入选联邦学习任务的模型训练无人机候选池；步骤三，模型所有者选择无人机：模型所有者在选择无人机时需要根据无人机所选合同项选择数据质量更高的客户端，通过贝叶斯公式优化对损失函数进行预测，并选择使每轮通信后全局损失减小最优的，并与已选无人机之间相关性更小的无人机参与联邦学习；步骤四，上传本地模型参数：选择无人机之后，被选择的无人机在本地数据上协作训练模型，并将本地模型参数更新上传给模型所有者；步骤五，是否进行模型收敛：模型所有者将聚合后的新的模型参数下发给无人机，并重复步骤三和步骤四，直至收敛。
全文数据：
权利要求：
百度查询： 南京邮电大学 多维资源联合优化的空域联邦学习客户端激励调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号