一种能感知设备可用性的高性能联邦边缘学习方法

    公开(公告)号:CN114519387A

    公开(公告)日:2022-05-20

    申请号:CN202210037134.5

    申请日:2022-01-13

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明涉及一种能感知设备可用性的高性能联邦边缘学习方法,包括以下步骤:S1:初始化全局机器学习模型为初始模型,并指定训练次数;S2:边缘服务器向边缘设备广播全局模型;边缘设备根据收到的全局模型和本地数据集计算本地梯度;S3:边缘服务器决定最优的边缘设备集群调度和通信资源分配方案,边缘服务器根据方案选择一个边缘设备集群,被调度的边缘设备上传本地梯度。S4:边缘服务器计算全局梯度并更新全局模型;S5:判断指标是否收敛或达到训练精度,若是,则结束训练,若否则进入步骤S2。本发明提高FEEL系统模型训练准确度,能调整FEEL系统的更新和优化,达到准确处理数据和降低能耗,提高能源利用效率的目的。