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：本申请提供的缓存优化模型训练方法、协作边缘缓存方法及装置，包括：各个用户端分别根据其本地数据确定在本次迭代中的预计收益，结合所分配到的带宽确定在本次迭代中的通信成本，以确定是否参与本次迭代，参与本次迭代的用户端根据其本地状态信息对边缘节点发送的模型参数进行训练，并将训练后的模型参数上传到边缘节点中，边缘节点对接收到用户端上传的模型参数进行聚合，得到全局模型参数，以对预训练模型的模型参数进行更新。如此，每个用户端可以根据预计收益和通信成本确定是否参与迭代，这样能够挑选出贡献度较大的用户端参与到缓存优化模型的训练中，优化训练资源的分配，帮助模型更好地预测用户需求，提高缓存效率和降低内容获取的时延。
主权项：1.一种缓存优化模型训练方法，其特征在于，应用于联邦学习系统，所述联邦学习系统包括一个边缘节点和多个用户端；所述方法包括：所述边缘节点获取预训练模型，并将所述预训练模型的模型参数发送给各个用户端；各个用户端分别根据其本地数据确定在本次迭代中的预计收益，以及根据其本地数据和所分配到的带宽确定在本次迭代中的通信成本；各个用户端根据其预计收益以及通信成本确定是否参与本次迭代；各个目标用户端分别以本地状态信息作为训练数据，对接收到的模型参数进行训练，并将经过训练后的模型参数上传至所述边缘节点；其中，所述目标用户端为确定参与本次迭代的用户端；所述边缘节点对接收到的各个目标用户端上传的模型参数进行聚合，以形成本次迭代的全局模型参数，并以所述全局模型参数对所述预训练模型的模型参数进行更新，返回至将所述预训练模型的模型参数发送给各个用户端的步骤继续执行，直至满足预设训练条件时，将训练后的预训练模型确定为缓存优化模型。
全文数据：
权利要求：
百度查询： 广东电网有限责任公司广州供电局 缓存优化模型训练方法、协作边缘缓存方法及装置
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