Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学马英红获国家专利权

西安电子科技大学马英红获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利基于端节点剩余能量感知的联邦学习服务部署方法、系统、设备及介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116455907B

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310276498.3,技术领域涉及:H04L67/1008;该发明授权基于端节点剩余能量感知的联邦学习服务部署方法、系统、设备及介质是由马英红;张悦萌;焦毅;李红艳;刘伟;张琰;刘勤设计研发完成,并于2023-03-21向国家知识产权局提交的专利申请。

基于端节点剩余能量感知的联邦学习服务部署方法、系统、设备及介质在说明书摘要公布了:基于端节点剩余能量感知的联邦学习服务部署方法、系统、设备及介质,其方法包括根据联邦学习过程,为每个端节点构建对应的联邦学习时间模型和端节点能耗模型;根据联邦学习时间模型和端节点能耗模型进行云端博弈;对参与训练的端节点进行边端匹配;其系统、设备及介质用于基于端节点剩余能量感知的联邦学习服务部署方法;在端节点选择阶段中,设计云端博弈算法和边端匹配算法,确定参与分布式训练的端节点及其计算资源分配量,并将端节点剩余能量引入博弈收益函数,使剩余能量少的端节点选择较低的CPU频率,确定端节点接入的边节点以及端节点的发射功率分配,并将端节点剩余能量引入端节点偏好函数,从而降低端节点计算能耗,实现端节点能量保护。

本发明授权基于端节点剩余能量感知的联邦学习服务部署方法、系统、设备及介质在权利要求书中公布了:1.基于端节点剩余能量感知的联邦学习服务部署方法,其特征在于,具体步骤如下: 步骤S1、根据联邦学习过程,为每个端节点构建对应的联邦学习时间模型和端节点能耗模型;所述步骤S1中联邦学习时间模型和端节点能耗模型构建具体操作如下: 构建联邦学习训练时间模型,将端节点i训练时间记为,将端节点i进行模型训练使用的CPU周期数记为,将端节点i使用的CPU频率记为,其中可表示为: ; 构建联邦学习通信时间模型,将端节点i与边缘节点j之间的通信时间记为,将端节点i与边缘节点j之间的信道增益记为hij,模型参数大小记为,将通信带宽记为,端节点i的发射功率记为,其中可以表示为: , 其中,n0表示噪声功率; 构建端节点计算能耗模型,使用表示端节点i的计算能耗,使用表示端节点i的有效电容系数,其中表示为: ; 构建端节点通信能耗模型,使用表示端节点i接入边缘节点j的通信能耗,表示端节点i的发射功率,则表示为: ; 步骤S2、根据步骤S1中得到的联邦学习训练时间模型和端节点计算能耗模型进行云端博弈;所述步骤S2具体操作如下: 步骤S2.1、根据联邦学习时间模型,构建云节点时延最小收益函数; 步骤S2.2、根据端节点能耗模型和端节点剩余能量,构建端节点收益函数;所述步骤S2.2中的端节点收益函数具体为: 使用表示端节点i进行模型训练所得报酬,使用表示云节点付给端节点i的CPU频率单价,使用表示端节点i能耗开销因子,表示端节点i在完成当前联邦学习训练周期后的剩余能量,表示端节点i的最大可用能量,使用表示节点剩余能量因子,其大小表示端节点剩余能量对端节点进行决策的影响程度,将表示为: ; 步骤S2.3、对云节点和端节点收益函数进行求解,得到参与训练的端节点及其计算资源分配方案;所述步骤S2.3对云节点和端节点收益函数进行求解,得到参与训练的端节点及其计算资源分配方案,具体为: 步骤S2.31、初始化种群个体,每个个体对应云节点向所有端节点支付的CPU频率单价方案,端节点计算当前报酬下使其收益函数最大的CPU频率; 步骤S2.32、使用二元锦标赛算法,选择训练时间短的个体作为下一代种群; 步骤S2.33、对种群个体进行两点交叉操作; 步骤S2.34、对个体进行变异操作,并生成新的报酬方案下端节点CPU频率方案; 步骤S2.35、重复步骤S2.32至步骤S2.34至最大迭代次数,最终确定端节点的CPU频率与端节点报酬方案,端节点不参与训练时CPU频率为0; 步骤S3、根据步骤S1得到的联邦学习通信时间模型和端节点通信能耗模型,对步骤S2得到的参与联邦训练的端节点进行边端匹配;所述步骤S3的具体操作如下: 步骤S3.1、根据联邦学习通信时间模型和端节点通信能耗模型,并结合端节点剩余能量,构建端节点偏好函数,选择距离作为边缘节点偏好函数;所述步骤S3.1中的端节点偏好函数具体为: 将端节点i所得联邦学习通信收益记为,使用表示端节点i通信报酬因子,分别使用和表示通信时间因子和剩余能量因子,使用表示完成当前联邦学习通信后端节点i的剩余能量,使用表示端节点能耗开销因子,将表示为: 其中,将定义为: 忽略边缘节点聚合时间,将边缘节点j与云节点的传输时延表示为,将定义为: ; 步骤S3.2、对边端偏好函数进行求解,实现边端关联并确定端节点发射功率。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。