一种高能效的基于数字孪生的联邦学习框架

发明专利有效专利

申请号：
CN202110847621.3
IPC分类号：G06N20/00;G06N3/04;G06N3/08
申请日期：
2021-07-27
申请人：
北京邮电大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种高能效的基于数字孪生的联邦学习框架
申请号	CN202110847621.3	申请日期	2021-07-27
法律状态	公开	申报国家	中国
公开/公告日	2021-10-22	公开/公告号	CN113537514A
优先权	暂无	优先权号	暂无
主分类号	G06N20/00	IPC分类号	G;0;6;N;2;0;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	北京邮电大学	申请人地址	北京市海淀区西土城路10号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京邮电大学	当前权利人	北京邮电大学
发明人	刘宜明;张家祥;秦晓琦;许晓东
代理机构	北京挺立专利事务所（普通合伙）	代理人	高福勇

摘要

一种高能效的基于数字孪生的联邦学习框架，涉及工业物联网的联邦学习技术领域，解决现有工业物联网系统中利用数字孪生和联邦学习技术存在能量消耗及降低模型收敛速度和训练模型的质量等问题，在联邦学习的每次迭代过程中，工业物联网设备用于根据部署在宏基站中的策略选择不同的训练方式进行训练，小型基站用于将工业物联网设备上传的模型按比例融合并传递到宏基站的参数融合器上进行最终的参数融合，宏基站用于实现信道分配及控制工业物联网设备选择本地训练或选择小型基站的服务器连接到数字空间的虚拟对象，并使用小型基站的附属服务器来训练模型；宏基站将全局模型广播至所有的工业物联网设备，直至全局模型达到预设的准确率或者模型收敛。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供