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 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 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 > 哈尔滨工业大学(深圳)朱旭获国家专利权

哈尔滨工业大学(深圳)朱旭获国家专利权

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!

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利低能耗无线联邦学习系统的参数优化和资源分配方法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:CN116418687B

龙图腾网通过国家知识产权局官网在2026-02-13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:202310196400.3,技术领域涉及:H04L41/14;该发明授权低能耗无线联邦学习系统的参数优化和资源分配方法是由朱旭;董志浩;蒋宇飞设计研发完成,并于2023-03-03向国家知识产权局提交的专利申请。

低能耗无线联邦学习系统的参数优化和资源分配方法在说明书摘要公布了:本发明公开了一种低能耗无线联邦学习系统的参数优化和资源分配方法,构建低能耗无线联邦学习系统模型并建立联邦学习流程;以最小化系统模型能耗为优化目标,建立联合参数优化和资源分配问题,将联合参数优化和资源分配问题拆分为聚合间隔优化子问题并计算得到最优聚合间隔、频率优化子问题并计算得到最优计算频率、带宽分配优化子问题并计算得到最优带宽分配和传输功率优化子问题并计算得到智能终端和边缘服务器的最优传输功率。本发明对无线通信和模型训练的多个变量进行联合优化,在模型训练性能的限制下,最小化联邦学习过程中的系统能耗,本发明方法可以明显降低系统能耗。

本发明授权低能耗无线联邦学习系统的参数优化和资源分配方法在权利要求书中公布了:1.一种低能耗无线联邦学习系统的参数优化和资源分配方法,其特征在于,包括以下步骤: 构建低能耗无线联邦学习系统模型,包括一个云服务器、N个边缘服务器和M个智能终端,基于低能耗无线联邦学习系统模型建立联邦学习流程; 以最小化系统模型能耗为优化目标,限定与聚合间隔相关的智能终端本地模型训练次数、智能终端的计算频率、系统带宽分配以及智能终端和边缘服务器的传输功率,建立联合参数优化和资源分配问题,将联合参数优化和资源分配问题拆分为聚合间隔优化子问题并计算得到最优聚合间隔、频率优化子问题并计算得到最优计算频率、带宽分配优化子问题并计算得到最优带宽分配和传输功率优化子问题并计算得到智能终端和边缘服务器的最优传输功率; 基于低能耗无线联邦学习系统模型建立联邦学习流程,具体包括以下步骤: S1、云服务器通过边缘服务器向所有智能终端广播全局模型及其当前参数值; S2、智能终端利用本地数据对接收到的全局模型进行迭代训练,κ1次本地迭代训练完成后,智能终端将训练更新后的全局模型参数即本地模型参数上传至边缘服务器; S3、在关联的智能终端都上传参数后,边缘服务器将接收的模型参数聚合为边缘模型的参数,并通过组播下放至边缘服务器关联的所有智能终端; S4、对S2和S3迭代执行κ2次后,边缘服务器将边缘模型的参数上传至云服务器; S5、在所有边缘服务器都上传边缘模型参数后,云服务器聚合接收的模型参数,并依据聚合后的模型参数更新全局模型; S6、迭代执行S1至S5,直至全局模型收敛或达到预设的精度值; 所述方法还包括基于联邦学习流程计算智能终端在本地迭代训练中的计算时延和计算能耗、智能终端向边缘服务器上传全局模型参数的速率以及边缘服务器的组播速率,具体包括: 智能终端m在一次本地迭代训练中的计算时延为:Tm,cop=vmCDmfm,其中,vm为终端处理单位比特样本数据所需的CPU轮数,C是样本数据的比特大小,Dm是终端的样本数量,fm为智能终端计算频率,相应的智能终端的计算能耗表示为:其中,δ是智能终端的能量消耗系数; 智能终端m向边缘服务器n上传本地模型参数时的速率为:其中,Bn为边缘服务器n的带宽,pm为智能终端m的传输功率,gn,m为信道增益,N0为加性噪声功率;智能终端的参数上传时间为Tm,com=WRm,其中W为上传模型参数的比特大小,智能终端的通信能耗为Em,com=pmTm,com; 边缘服务器n的组播速率为:其中,pn为边缘服务器n的传输功率,为与边缘服务器n相关联的所有智能终端的索引集合,边缘服务器的下行链路组播时延为Tn,com=WRn,边缘服务器的通信能耗为En,com=pnTn,com; 系统模型能耗的具体表达式为:所述联合参数优化和资源分配问题的具体表达式为: 其中,表示聚合间隔集合,表示计算频率集合,表示带宽集合,表示传输功率集合,κglob为一轮全局模型迭代中的本地模型训练次数,fm,max为终端最大计算频率,和为智能终端的最大计算时间和最大通信时间,Tn,max为边缘服务器组播的最大时延,Btotal为系统总带宽,Bmin和Bmax分别为边缘服务器的最小带宽和最大带宽,pm,max和pn,max分别为智能终端的最大传输功率和边缘服务器的最大传输功率,Em,max和En,max分别为智能终端的最大能耗和边缘服务器的最大能耗; 将联合参数优化和资源分配问题拆分为聚合间隔优化子问题并计算得到最优聚合间隔,具体表达式为: 将联合参数优化和资源分配问题拆分为频率优化子问题并计算得到最优计算频率,具体表达式为:将联合参数优化和资源分配问题拆分为传输功率优化子问题并计算得到智能终端和边缘服务器的最优传输功率,具体表达式为: 将联合参数优化和资源分配问题拆分为带宽分配优化子问题并计算得到最优带宽分配,其中最优带宽分配采用凸优化工具箱实现。

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哈尔滨工业大学(深圳),其通讯地址为:518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区;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。