基于业务能力分级的分布式移动终端的调度控制方法

    公开(公告)号:CN1678097A

    公开(公告)日:2005-10-05

    申请号:CN200410029843.0

    申请日:2004-03-30

    Abstract: 本发明公开了一种基于业务能力分级的分布式移动终端的调度控制方法,分布式移动终端包括多个功能组件以及框架模块,包括步骤:将功能组件的能力按照业务支撑能力分解为多类能力子集,并对各个能力子集进行分级,由功能组件的能力子集分别得到各个功能组件的能力集C1,C2,C3...Cr;在分布式移动终端初始化时,框架模块对参与的各个终端组件的能力进行组合运算,得到分布式移动终端的最佳终端能力Cbest和终端能力全集Call,当新的终端组件Cnew加入时,框架功能对原分布式移动终端与新添加的终端组件之间进行组合运算,从而获得新的整体终端的Cbest_new和Call_new,当终端组件Ci要从分布式终端中分离时,框架模块从原来的终端能力减去分离的终端组件能力,获得剩下的终端组件组合而成的整体终端的Cbest_new和Call_new。

    加快分布式学习框架收敛速度的设备发送功率配置方法

    公开(公告)号:CN119892180A

    公开(公告)日:2025-04-25

    申请号:CN202510354094.0

    申请日:2025-03-25

    Abstract: 加快分布式学习框架收敛速度的设备发送功率配置方法,属于通信领域,包括:建立分布式学习框架;当进入每一个训练轮次内,各设备获取其到基站的信道增益向量、基站的接收波束赋形配置方案和待发送的本地梯度;各设备以放大空中计算失真为准则,设置自身发送功率,在相同的时频资源上使用所设置的发送功率并发地向基站发送本地梯度;基站基于空中计算技术聚合各设备的本地梯度以获得当前训练轮次的全局梯度,并使用全局梯度更新全局模型。本发明通过放大基于空中计算的梯度聚合信号的失真,以加快分布式学习框架的收敛速度。通过降低分布式学习框架中各设备的发送功率,进而可在放大空中计算失真的同时节省设备发送功率以及通信能耗。

    基于业务能力分级的分布式移动终端的调度控制方法

    公开(公告)号:CN100356807C

    公开(公告)日:2007-12-19

    申请号:CN200410029843.0

    申请日:2004-03-30

    Abstract: 本发明公开了一种基于业务能力分级的分布式移动终端的调度控制方法,分布式移动终端包括多个功能组件以及框架模块,包括步骤:将功能组件的能力按照业务支撑能力分解为多类能力子集,并对各个能力子集进行分级,由功能组件的能力子集分别得到各个功能组件的能力集C1,C2,C3…Cr;在分布式移动终端初始化时,框架模块对参与的各个终端组件的能力进行组合运算,得到分布式移动终端的最佳终端能力Cbest和终端能力全集Call,当新的终端组件Cnew加入时,框架功能对原分布式移动终端与新添加的终端组件之间进行组合运算,从而获得新的整体终端的Cbest_new和Call_new,当终端组件Ci要从分布式终端中分离时,框架模块从原来的终端能力减去分离的终端组件能力,获得剩下的终端组件组合而成的整体终端的Cbest_new和Call_new。

Patent Agency Ranking