边缘计算网络中联邦学习算法设计与优化

作     者：陈柱 莫俊彬 陈青霞 叶绍雄 郭俊滨 CHEN Zhu;MO Junbin;CHEN Qingxia;YE Shaoxiong;GUO Junbin

作者机构：中国联合网络通信有限公司清远市分公司广东清远511500 

出 版 物：《移动通信》 (Mobile Communications)

年 卷 期：2024年第48卷第12期

页      码：122-128页

摘      要：针对海量物联网终端训练所面临的网络资源瓶颈和数据安全问题,提出边缘计算网络中联邦学习算法设计与优化。首先,设计端边云三层联邦学习架构实现高效的联邦学习,设备端负责特征提取,边缘端和云端分别负责模型参数训练和整合;然后,引入模型压缩技术构建通信模型和能耗模型并对联邦学习问题进行建模,最小化云端模型训练的时延和能耗;最后,设计一种粒子群的方法获得原始问题的最优解,实现算法快速收敛,在一定程度上降低联邦学习算法的能耗和时延。仿真表明:相较于其他算法,该算法可以适应大规模的物联网场景,在保证算法收敛速率的同时,还在一定程度上降低了能耗和时延。

主 题 词：边缘计算网络 联邦学习 通信模型 能耗模型 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

D　O　I：10.3969/j.issn.1006-1010.20240730-0002

馆 藏 号：203156278...