龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明属于蜂窝网络通信技术领域，具体涉及子图驱动的轻量化联邦学习时空蜂窝网络预测方法，包括以下步骤：S1、数据预处理；S2、子图划分；S3、模型训练；S4、模型参数剪枝；S5、模型传输；S6、参数聚合；S7、模型更新，为联邦分布式环境设计了一种以节点间时空相关性为核心的分布式子图划分策略，据此制定出更接近实际FL应用场景的子图节点划分方案。本发明将FL框架与STGCN模型进行集成，引入了一种基于传输参数权重的自适应剪枝方案，在模型数据传输阶段设计了强化学习代理进行决策，剪除较低权重参数，以降低模型通信成本与计算成本，实现模型轻量化的同时有效保持预测精度。
主权项：1.子图驱动的轻量化联邦学习时空蜂窝网络预测方法，其特征在于：包括以下步骤：S1、数据预处理：选取蜂窝网络数据集进行清洗，去除无效或缺失的数据点；并将数据处理为时序输入，每个序列包含12个时间步的历史数据用于预测下一个时间步的流量情况；S2、子图划分：提取节点间的邻接距离矩阵和节点流量模式矩阵用来构建混合式稀疏矩阵，通过图嵌入来提取代表节点多跳邻居结构的低维连续向量，用来表示节点间的复杂依赖关系以及获得相似度矩阵，对相似度矩阵进行社区检测划分得到最后的子图；S3、模型训练：在划分后的子图上进行本地客户端的时空图卷积神经网络模型训练，获得本地模型参数；S4、模型参数剪枝：对训练后的模型权重参数进行自适应剪枝，通过强化学习代理调整剪枝策略，获取剪枝后的权重参数；S5、模型传输：客户端将剪枝后的模型参数传输至服务器；S6、参数聚合：服务器获取每个客户端传递的参数进行联邦平均聚合；S7、模型更新：服务器将聚合得到的新参数发送回客户端，客户端获取传回参数进行下一轮时空图卷积神经网络模型训练，直到迭代轮次结束。
全文数据：
权利要求：
百度查询： 南京信息工程大学 子图驱动的轻量化联邦学习时空蜂窝网络预测方法
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