买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中汽智联技术有限公司

摘要：本发明涉及车通信网络技术领域，公开了一种面向分布式联邦学习的车联网拓扑优化方法，方法包括：根据各车辆的模型梯度计算车辆的分布式联邦学习模型之间的相似度，根据相似度得到模型相似度矩阵；根据车辆的行驶状态信息、车辆之间的连接链路信息和相似度矩阵构建车联网拓扑图；基于图卷积神经网络对车联网拓扑图中的所有连接链路进行分类，得到模型共享传输链路和非模型共享传输链路；根据车联网拓扑图中的模型共享传输链路以及各模型共享传输链路对应的车辆节点，生成模型共享网络拓扑。使分布式联邦学习进行模型共享的连接链路在车辆移动时始终保持稳定连接，提高车联网中进行模型共享的连接链路的稳定性以及模型共享带来的精度增益。

主权项：1.一种面向分布式联邦学习的车联网拓扑优化方法，其特征在于，包括如下步骤：根据场景中各车辆的模型梯度计算车辆的分布式联邦学习模型之间的相似度，根据所述相似度得到模型相似度矩阵；具体包括：根据场景中各车辆的模型梯度计算车辆的分布式联邦学习模型之间的模型梯度余弦相似度，计算公式如下： ；其中，n和m分别表示不同的两个车辆，表示两个车辆的分布式联邦学习模型之间的模型梯度余弦相似度，表示向量化梯度的角度，表示经过第轮联邦学习本地模型训练后的车辆n的模型梯度，表示经过第轮联邦学习本地模型训练后的车辆m的模型梯度；根据场景中各车辆的分布式联邦学习初始模型累计的权重更新，计算车辆的分布式联邦学习初始模型之间权重更新的余弦相似度，计算公式如下： ；其中，表示各车辆的分布式联邦学习初始模型，表示两个车辆的分布式联邦学习初始模型之间权重更新的余弦相似度，表示累计权重更新的角度，表示车辆n经过第k轮联邦学习本地模型训练后的模型，表示车辆m经过第k轮联邦学习本地模型训练后的模型；根据两个车辆的分布式联邦学习模型之间的模型梯度余弦相似度和两个车辆的分布式联邦学习初始模型之间权重更新的余弦相似度构建模型相似度度量指标，计算公式如下： ；其中，表示两车之间的模型相似度度量指标，表示权重的超参数；根据所述模型相似度度量指标得到车辆模型相似度矩阵，公式如下： ；其中，表示车辆n、车辆m是车辆集合N中的车辆，表示车辆模型相似度矩阵；根据车辆的行驶状态信息、车辆之间的连接链路信息和所述相似度矩阵构建车联网拓扑图；其中，所述车辆的行驶状态信息包括车辆的位置和车速，所述车联网拓扑图包括节点和边，将车辆定义为所述车联网拓扑图中的节点，将相邻两车之间的连接链路定义为所述车联网拓扑图中的边；基于图卷积神经网络对所述车联网拓扑图中的所有连接链路进行分类，得到模型共享传输链路和非模型共享传输链路；所述图卷积神经网络包括：第一层图卷积层、第二层图卷积层、边特征提取层、全连接层、链路分类层；将所述车联网拓扑图输入第一层图卷积层，输出一次图卷积后的节点特征数据；将所述一次图卷积后的节点特征数据输入第二层图卷积层，输出二次图卷积后的节点特征数据；将所述二次图卷积后的节点特征数据输入边特征提取层，输出边特征数据；将所述边特征数据输入全连接层，分别输出每条边属于每个类别的概率值；其中，所述类别包括模型共享传输链路和非模型共享传输链路；将每条边分别属于每个类别的概率值输入链路分类层，根据每条边所属类别的概率值的大小对每条连接链路进行分类，得到所述车联网拓扑图中的模型共享传输链路和非模型共享传输链路；具体包括：将每条边分别属于每个类别的概率值输入链路分类层，若该条边属于模型共享传输链路类别的概率值大于等于该条边属于非模型共享传输链路类别的概率值，则该条连接链路为模型共享传输链路；若该条边属于模型共享传输链路类别的概率值小于该条边属于非模型共享传输链路类别的概率值，则该条连接链路为非模型共享传输链路；根据所述车联网拓扑图中的模型共享传输链路以及各模型共享传输链路对应的车辆节点，最终生成模型共享网络拓扑。

全文数据：

权利要求：

百度查询： 中汽智联技术有限公司 一种面向分布式联邦学习的车联网拓扑优化方法