一种应用于分层联邦学习的网络函数计算编码方案

AITNT
正文
推荐专利
一种应用于分层联邦学习的网络函数计算编码方案
申请号:CN202410827971
申请日期:2024-06-25
公开号:CN118869142B
公开日期:2025-05-27
类型:发明专利
摘要
本发明涉及云端通信技术领域,具体公开了一种应用于分层联邦学习的网络函数计算编码方案,由三部分组成:多边缘服务器连接的混合网络结构模型;用户‑边缘服务器的编码传输方案;模型的全局聚合和局部聚合过程。方案充分利用联邦学习函数计算的特性,结合网络函数计算技术以及贪心算法思想,充分利用边缘服务器的计算能力来提高网络的函数计算速率,从而降低系统整体的通信成本,即使在有限域较小的时候方案也能有效提高网络的函数计算速率。
技术关键词
中心服务器 数据 编码方案 混合网络结构 参数 符号 贪心策略 多边缘 网络拓扑结构 链路 贪心算法 中间层 模型更新 索引 分层 云服务器 节点
系统为您推荐了相关专利信息
1
一种数控刀片的缺陷检测方法及系统
预警模型 数控刀片 缺陷检测方法 图片特征信息 训练样本集
2
一种基于多任务场景的大模型网络安全等级保护领域知识增强方法、系统及相关设备
专家知识库 文本 序列 数据存储 多任务
3
输电线路隐患处置智能决策方法、装置及存储介质
输电线路隐患 智能决策方法 风险评估值 气象 地形特征
4
基于LSTM神经网络的金耳温室生长环境模型的训练方法及预测方法
LSTM神经网络 智能传感器 阶段 温室控制系统 模型预测方法
5
一种基于拓扑高速探查的地下排水管渠异常识别定位方法
地下排水管 识别定位方法 上下游拓扑关系 Kubernetes容器 探查技术
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号