基于编-解码器结构的无人机群多任务联邦学习

作     者：周敬轩 包卫东 王吉 张大宇 ZHOU Jingxuan;BAO Weidong;WANG Ji;ZHANG Dayu

作者机构：国防科技大学大数据与决策实验室湖南长沙410073 

基　　金：国家自然科学基金(62002369) 湖南省研究生科研创新项目(XJCX2023013) 

出 版 物：《西南交通大学学报》 (Journal of Southwest Jiaotong University)

年 卷 期：2024年第59卷第4期

页      码：933-941页

摘      要：针对传统联邦学习在无人机群应用中的局限性——要求所有参与者执行相同任务并拥有相同的模型结构,本文探索一种适用于无人机群的多任务联邦学习方法,设计一种新的编-解码器架构,以加强执行不同任务的无人机之间的知识共享.首先,为执行相同任务的无人机建立直接的知识分享机制,通过直接聚合方式实现同任务知识的有效融合;其次,对于执行不同任务的无人机,从所有无人机的编-解码器架构中提取编码器部分,构建一个全局编码器;最后,在训练环节,将本地编码器和全局编码器的信息整合到损失函数中,并通过迭代更新使本地解码器逐步逼近全局解码器,从而实现跨任务间的知识高效共享.实验结果表明:相较于传统方法,所提出的方法使无人机群在3个单任务上的性能分别提升1.79%、0.37%和2.78%,仅在1个任务上性能略微下降0.38%,但整体性能仍提升2.38%.

主 题 词：多任务学习 无人机群 联邦学习 编-解码器结构 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.0258-2724.20230539

馆 藏 号：203132412...