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：北京邮电大学

摘要：本发明提供一种基于分层联邦学习的数据共享系统，该基于分层联邦学习的数据共享系统包括：云服务器，多个云侧边缘设备和多个路侧边缘设备；多个路侧边缘设备分布于多个边缘区域中，每个边缘区域中包括至少一个路侧边缘设备，云侧边缘设备至少对应一个边缘区域。在每个全局迭代轮次中，针对各云侧边缘设备，云侧边缘设备用于向对应的边缘区域中的路侧边缘设备下发各边缘迭代轮次分别对应的边缘模型参数，并将最后一个边缘迭代轮次对应的边缘聚合梯度上传至云服务器。本发明技术方案能够减小通信开销，并且能够确保模型参数同步的稳定性。

主权项：1.一种基于分层联邦学习的数据共享系统，其特征在于，包括：云服务器，多个云侧边缘设备和多个路侧边缘设备，所述多个路侧边缘设备分布于多个边缘区域中，每个所述边缘区域中包括至少一个路侧边缘设备，所述云侧边缘设备至少对应一个边缘区域；所述云服务器用于确定各全局迭代轮次分别对应的全局模型参数并进行下发，所述云服务器还用于将最后一个全局迭代轮次对应的全局模型参数确定为目标全局模型参数；其中，下一全局迭代轮次对应的全局模型参数为基于上一全局迭代轮次对应的全局模型参数和上一全局迭代轮次各所述云侧边缘设备上传的边缘聚合梯度确定的；在每个全局迭代轮次中，针对各所述云侧边缘设备，所述云侧边缘设备用于向对应的边缘区域中的路侧边缘设备下发各边缘迭代轮次分别对应的边缘模型参数，并将最后一个边缘迭代轮次对应的边缘聚合梯度上传至所述云服务器；其中，针对各所述全局迭代轮次，所述全局迭代轮次中第一个边缘迭代轮次对应的边缘模型参数为所述全局迭代轮次对应的全局模型参数；下一边缘迭代轮次对应的边缘模型参数为基于上一边缘迭代轮次对应的边缘模型参数和上一边缘迭代轮次对应的边缘聚合梯度确定的；针对各所述边缘迭代轮次，所述边缘迭代轮次对应的边缘聚合梯度为基于所述边缘迭代轮次对应的区域聚合梯度和所述云侧边缘设备对应的云侧本地数据量确定的；在每个边缘迭代轮次中，针对各所述边缘区域，所述边缘区域中的所述路侧边缘设备用于基于对应的本地数据和对应的云侧边缘设备下发的边缘模型参数对本地模型进行迭代训练；所述边缘区域中的至少一个所述路侧边缘设备用于基于所述边缘区域中各所述路侧边缘设备迭代训练结束时对应的梯度值，确定所述边缘区域对应的区域聚合梯度。

全文数据：

权利要求：

百度查询： 北京邮电大学 基于分层联邦学习的数据共享系统