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：本发明涉及一种移动边缘云中网络不确定性感知的联邦学习方法及系统。该方法包括：基于联邦学习FL框架，定义MEC网络不确定下的每个用户设备的训练参数的平均量；确定每个联邦学习FL任务请求过程中的平均模型尺寸因子；确定每个联邦学习FL任务请求过程下的最小聚合器数量以及最大聚合器数量；确定聚合器数量；构建辅助图，并根据辅助图确定位置决策；基于位置决策，确定每个联邦学习FL任务请求过程中产生的总成本；以MEC网络的资源容量为约束条件，根据总成本调整聚合器数量，生成每个联邦学习FL任务请求过程中的最佳聚合器数量，并根据最佳聚合器数量优化联邦学习FL框架。本发明合理分布聚合器，MEC网络不确定性情况下实现最小化实施成本。

主权项：1.一种移动边缘云中网络不确定性感知的联邦学习方法，其特征在于，包括：基于联邦学习FL框架，定义MEC网络不确定下的每个用户设备的训练参数的平均量；所述MEC网络不确定为传输的模型参数不确定；根据每个用户设备的训练参数的平均量确定每个联邦学习FL任务请求过程中的平均模型尺寸因子；根据所述平均模型尺寸因子确定每个所述联邦学习FL任务请求过程下的最小聚合器数量以及最大聚合器数量；根据所述最小聚合器数量以及所述最大聚合器数量确定聚合器数量；根据所述聚合器数量构建辅助图，并根据所述辅助图确定位置决策，具体包括：根据所述聚合器数量构建辅助图，并设置所述辅助图内每条边的成本和容量；将每个所述用户设备的训练参数视为具有需求的商品，并根据所述平均模型尺寸因子确定每个所述联邦学习FL请求中所述训练参数的商品需求；基于所述商品需求，从所述辅助图中为每个所述用户设备确定从消息源到汇聚节点的可拆分流；所述可拆分流为多商品流；根据所述可拆分流确定所述用户设备分配给基站的概率、聚合器放置到的概率以及服务放置到的概率；为微云或者基站的一个第一潜在位置；根据所述用户设备分配给基站的概率、所述聚合器放置到的概率以及所述服务放置到的概率确定用户设备随机分配给基站的位置、聚合器随机放置为的位置以及服务随机放置的位置；根据所述用户设备随机分配给基站的位置，在所述辅助图的用户设备和基站层中，将所述用户设备的每个可分割流量移动到随机选择的基站；根据所述聚合器随机放置为的位置，在所述辅助图的聚合层中，将所述用户设备的每个可分割流量移动到成本最小的聚合器中；根据所述服务随机放置的位置，在所述辅助图的服务层中，将所述用户设备的每个可分割流量移动到服务所在的位置；根据所述可拆分流以及所述可分割流量确定不可分割流量，并将所述不可分割流量转化为包括用户设备的分配位置、聚合器的放置位置以及服务的放置位置的位置决策；所述不可分割流量经过的节点路径为所述位置决策的决策结果；所述位置决策包括用户设备的分配位置、聚合器的放置位置以及服务的放置位置；所述用户设备分配给基站的概率为： 其中，为用户设备分配给基站的概率；为所述辅助图的用户设备和基站层中，通过用户设备以及基站之间的边的流量；为所述用户设备获得的流量；在聚合器层中，具有用于FL请求的聚合器的潜在位置；创建个部件，每个部件对应于聚合器的潜在位置集；将具有足够可用资源的潜在位置添加到部件中以实现聚合器完成聚合任务；创建第二潜在位置，第二潜在位置为一个虚拟位置节点，与一起添加到部件中；所述聚合器放置到的概率为： 其中，为聚合器放置到的概率；为任一用户设备；UE为用户设备总称；为聚合器的部件；为第二潜在位置；BS为用户设备和基站层；CL为微云；为通过所述辅助图中边的部件的路由的流量；为通过聚合器放置在一个位置部件的总路由流量，为通过聚合器放置在所有位置部件的总路由流量；在服务层，为每个第一潜在位置和服务创建两个虚拟节点和，为第三潜在位置，为第四潜在位置；每两个和都被添加到一个新的部件中，用于服务；所述服务放置到的概率为： 其中，为服务放置到的概率；为通过所述辅助图中边路由的流量；为通过服务放置在一个位置的总路由流量，为通过服务放置在所有位置的总路由流量；|wmax|表示传输模型大小的最大值，dunit表示为比传输模型大小|wm|更小的数据单元；基于所述位置决策，根据所述聚合数量确定每个所述联邦学习FL任务请求过程中产生的总成本；以所述MEC网络的资源容量为约束条件，根据所述总成本调整所述聚合器数量，生成每个所述联邦学习FL任务请求过程中的最佳聚合器数量，并根据所述最佳聚合器数量优化所述联邦学习FL框架，使得所述总成本最小。

全文数据：

权利要求：

百度查询： 大连理工大学 移动边缘云中网络不确定性感知的联邦学习方法及系统