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：东南大学

摘要：本发明公开了一种雾无线接入网中基于联邦贝叶斯学习的流行度预测方法，包含如下步骤：1、根据对内容请求的先验知识，构建内容请求到达概率模型；2、根据训练数据，每个设备利用随机方差减小梯度对模型梯度进行更新；3、对更新后的梯度进行量化、编码后传输到服务器端；4、服务器端进行梯度聚合，并按照哈密顿蒙特卡洛方法进行采样；5、对存在于内容库中的内容和不存在于内容库中的内容分别做流行度预测。本发明有效地利用多个边缘节点的计算资源和本地数据集，高效地训练全局模型。本发明还采用了基于量化、编码的联邦贝叶斯学习，在精度和通信开销之间达到有效权衡，同时可以加速收敛速度，减少预测误差。

主权项：1.一种雾无线接入网中基于联邦贝叶斯学习的流行度预测方法，其特征在于，包括以下步骤：步骤1、根据内容请求的随机到达方式，第f个内容在第n个时隙的请求数满足泊松分布并建立对应的概率模型，其中表示第f个内容在第n个时隙的请求数，看成内容流行度，λfxf表示所服从泊松分布的到达率是Q维内容特征向量xf的函数；步骤2、记录内容库里已有内容的从第1个到第N个时隙的请求数量及对应的Q维内容特征向量[x1，x2，…，xf]T作为训练数据，上标T表示矩阵的转置；每个设备基于本地训练数据集更新模型的梯度；步骤3、将步骤2计算之后的梯度依次进行量化、编码后传输到服务器端；步骤4、服务器端对收到的结果进行解码，并分配不同权重进行联邦聚合，之后并按照哈密顿蒙特卡洛方法进行采样；步骤5、根据存在于内容库内和不存在于内容库内的内容进行分类，对于已存在于内容库中的内容c1～cF，计算其流行度表示在给定内容观察的情况下，计算内容库中所有内容在下一时隙的流行度的期望，其中，对于不存在于内容库当中的、即将到来的新内容cF+1，计算其在下一时隙流行度ErF+1[N+1]|xF+1，表示基于其Q维内容特征向量xF+1，计算该内容在下一时隙流行度的期望；所述步骤3具体包括以下步骤：步骤3.1、根据计算得到的梯度结果v，将向量的每个分量vi结果通过量化器Qiv，s＝||v||2·sgnviξiv，s后输出，其中||v||2表示向量的模长，sgnvi用于表示第i个分量的符号，约定sgn0＝1，ξiv，s表示用于量化的随机变量，s为量化级别，对每个ξiv，s，令0≤lis为一正整数使得|vi|||v||2∈[lis，li+1s]，ξiv，s的定义如下： 式中其中p表示取值概率；步骤3.2、对于每个梯度，只需要传输一次向量的模长||v||2；对于每个分量的量化结果Qiv，s，将其对应的量化等级s·ξiv，s经过ELIAS递归编码后传输至服务器；此外，还要传输Qiv，s的符号。

全文数据：

权利要求：

百度查询： 东南大学 雾无线接入网中基于联邦贝叶斯学习的流行度预测方法