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：杭州师范大学
摘要：本发明公开一种基于无人机协作的联邦学习交通流预测方法，联合地面车辆与无人机以促进信息共享和融合，首先地面车辆和无人机进行数据采集，地面车辆负责训练本地模型并更新模型参数，随后无人机群体采用基于共识确认的全局模型聚合方法，以确保模型的可靠性和全局适用性。在全局聚合过程中，采用模糊隶属度评价方法对无人机的可信度进行全面评估，以确保只有受信任的无人机参与模型聚合过程；运用基于信誉的多维契约理论方法来实现参与联邦学习过程的无人机之间的公平性、合理性和激励兼容性，从而优化无人机的资源配置。本发明提供了一种公平的激励和鲁棒的模型聚合策略，同时权衡能量消耗和训练延迟之间的关系，从而提高交通流量预测的性能。
主权项：1.一种基于无人机协作的联邦学习交通流预测方法，其特征在于，包括以下步骤：步骤S1、数据收集：将目标区域划分为个子区域，并确定子区域的覆盖范围，然后选择适合的无人机，利用无人机搭载的传感器收集覆盖范围内的交通数据；所述交通数据包括地面车辆的位置、速度、时间戳；同时，地面车辆采集本地数据构建本地数据集；所述本地数据集，其中表示地面车辆采集的具有个特征的第个数据样本，是指对应于的维数为的标签，；步骤S2、局部模型训练：地面车辆利用本地数据集进行局部模型训练，获得本地训练结果并更新局部模型参数；步骤S3、信任度评估：在地面车辆上传局部模型参数至无人机进行模型聚合之前，采用模糊隶属度评估方法，根据数据传输速率、模型聚合时延和飞行能耗对无人机的信任度进行综合评估，选择值得信任的无人机进行全局模型聚合；步骤S4、全局模型聚合：无人机通过联邦学习与值得信任的无人机进行全局模型聚合，根据本地训练结果生成全局模型参数，并将全局模型参数广播至地面车辆，当全局模型达到所需的精度时，停止模型训练，得到预测结果。
全文数据：
权利要求：
百度查询： 杭州师范大学 一种基于无人机协作的联邦学习交通流预测方法
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