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！
申请/专利权人：中国石油大学(华东)
摘要：本发明属于智能车联网技术领域，公开了一种面向车联网的分层联邦学习客户端选择方法。本发明方法在车联网场景下引入了分层联邦学习，同时还设计了基于声誉机制的移动感知车辆选择算法，通过评估车辆在边缘服务器范围内的停留时间及声誉值作为选择车辆客户端的依据，其中在评估车辆移动性时考虑了车辆初始位置及速度的影响，评估声誉值时考虑了车辆在当前轮次及历史轮次的表现。本发明通过所提车辆选择方法，减少了在联邦学习中贡献程度不大但仍消耗通信与计算资源的车辆客户端参与，优化了资源分配并提升了整体联邦学习效率，最后在完成车辆客户端选择后进入联邦学习训练阶段。本发明有效提升了车联网环境下面对车辆高移动性时联邦学习的效率。
主权项：1.一种面向车联网的分层联邦学习客户端选择方法，在车联网场景下，通过引入分层联邦学习，将车辆用户划分为以边缘服务器为中心的联邦学习架构及边缘服务器与云服务器构成的上层联邦学习架构；其特征在于，所述方法包括如下步骤：步骤I.首先边缘服务器获取自身与车辆客户端的相对距离以及车辆移动方向和速度，再计算车辆客户端在邻近边缘服务器覆盖范围内的停留时间，然后根据停留时间降序排序，对于停留时间越长的车辆赋予更高的分数；其次结合车辆停留时间赋予的分数值以及上一次参与联邦学习结束后更新的声誉值，计算其参与本轮联邦学习的所带来的效用值；步骤II.根据效用值的高低，筛选出前M个车辆客户端参与联邦学习训练，M为自然数；步骤III.边缘服务器更新本轮训练过程各个车辆客户端的声誉值，具体为：首先计算车辆客户端在本轮训练过程中的模型贡献度；然后根据车辆客户端上一轮本地训练后所得模型参数与上一轮最终全局模型参数计算模型余弦相似度；再结合辆客户端模型贡献度赋予的分数及模型余弦相似度得到车辆客户端的声誉变化值；最后在车辆客户端历史声誉值的基础上结合声誉变化值，更新得到本轮车辆客户端的最终声誉值。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 一种面向车联网的分层联邦学习客户端选择方法
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