一种基于部分客户参与和功率约束的联邦学习方法技术

本发明专利技术属于通信技术领域，公开了一种基于部分客户参与和功率约束的联邦学习方法，包括：采用有偏见的客户选择，设置客户端可寻址并不断向中央服务器报告，令中央服务器在迭代过程中了解每个客户端的状态；通过添加总和功率约束进行跨通信时隙的功率分配，令设备地将所述设备的本地更新传输到服务器。本发明专利技术通过减小通信成本解决现有技术的问题，同时保持模型收敛性能。本发明专利技术提出的设计可以解决由不完美的信道状态引起的负面影响。学习过程的收敛在功率控制下减慢，而有偏见的客户选择加速了收敛，权衡了模型聚合。本发明专利技术可以保证在低信噪比的恶劣无线条件下快速收敛，在无线FL系统的时间和能源节约方面具有成本效益。的时间和能源节约方面具有成本效益。的时间和能源节约方面具有成本效益。

【技术实现步骤摘要】
一种基于部分客户参与和功率约束的联邦学习方法


[0001]本专利技术属于通信
，尤其涉及一种基于部分客户参与和功率约束的联邦学习方法。

技术介绍

[0002]目前，随着现代通信网络和传输技术的发展，高机动性无人机在分散任务中的应用正在迅速增长。无人机既可以作为飞行基站，又可以作为快速灵活的数据采集、计算和无线通信的工作设备，使得其成为非常有前途的终端，可以实现许多分布式应用。然而，无人机也受到资源的高度限制，尤其是在功率和带宽方面。传统的基于深度学习的部署是云中心的，需要将原始数据上传到集中式服务器，这给无线系统带来了沉重的网络通信开销。如果通信模块与无人机共享相同的电池，飞行时间将减少16％，如果算上GPS和其他传感器，飞行时间很容易减少超过20％。此外，动态通信链路的可靠和高效数据共享成为另一个瓶颈。此外，集中式方案可能会为实时应用程序(例如实例决策制定任务)引入不可接受的延迟。此外，使用无人机从天空收集信息会引发信息隐私和信任的关键问题。此类航拍镜头可能包含存在隐私问题的敏感帧。
[0003]联邦学习(FL)算法在无线通信领本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于部分客户参与和功率约束的联邦学习方法，其特征在于，所述基于部分客户参与和功率约束的联邦学习方法包括：步骤一，采用有偏见的客户选择，设置客户端可寻址并不断向中央服务器报告，令中央服务器在迭代过程中了解每个客户端的状态；步骤二，通过添加总和功率约束进行跨通信时隙的功率分配，令设备地将所述设备的本地更新传输到服务器。2.如权利要求1所述基于部分客户参与和功率约束的联邦学习方法，其特征在于，所述步骤一包括：(1)客户端连接到服务器并寻求共同找到模型参数最小化经验损失函数；选择损失最大的前M个客户端执行本地更新；(2)采用具有线性增量子集的客户选择策略：设置选择当前全局模型进行全局更新的top
‑
M最高局部损失的客户端；定义客户选择策略函数π
tm
，将全局模型w(t)映射到选定的客户集S(π
tm
,w)。3.如权利要求2所述基于部分客户参与和功率约束的联邦学习方法，其特征在于，所述经验损失函数如下：其中，F(w)表示经验损失函数；K表示客户端数量；w
*
表示模型参数；f(w,ξ)表示从本地数据集B
k
和模型参数w中随机选择的样本批次ξ的损失函数；p
k
表示第k个客户端的数据比例；F
k
(w)表示客户k的本地损失函数；F
*
＝min
w
F(w),4.如权利要求1所述基于部分客户参与和功率约束的联邦学习方法，其特征在于，所述基于部分客户参与和功率约束的联邦学习方法还包括：客户端选择FedAvg的迭代t的更新规则如下：其中，w
m
(t,E)表示客户端m在t时的局部模型参数，表示批次ξ(t,E)上的随机梯度，表示全局模型参数。5.如权利要求1所述基于部分客户参与和功率约束的联邦学习方法，其特征在于，所述选择损失最大的前M个客户端执行本地更新包括：设备不断地将所述设备本地丢失发送到中央服务器，服务器始终跟...

【专利技术属性】
技术研发人员：骆春波，许燕，沙小豹，高海瑞，刘翔，罗杨，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：