一种D2D辅助的双阶段空中计算模型聚合方法技术

一种D2D辅助的双阶段空中计算模型聚合方法，属于无线通信技术领域。首先，全局模型分发后，进行局部模型更新；其次，局部模型进行D2D辅助的双阶段空中计算模型聚合；再次，进行全局模型更新，基站将当前聚合模型作为新的全局模型；最后，当满足预定的联邦学习训练终止条件时，停止训练；否则，重复第一步至第四步，进入下一轮训练。本发明专利技术所提出的D2D辅助的双阶段空中计算模型聚合方法在保证无线网络中联邦学习模型预测精度的前提下，能够有效减小模型聚合误差，显著提高联邦学习的无线通信效率；充分利用无线联邦学习系统的协作多样性，提高通信效率和联邦学习模型训练速度；基于网络中的现有设备，无需部署新的设备；聚合方法能够很快收敛，有效提高联邦学习训练效率。

【技术实现步骤摘要】

本专利技术属于无线通信，涉及一种d2d辅助的双阶段空中计算模型聚合方法

技术介绍

1、当前，日益增长的数据量促进了广泛的人工智能应用，如图像识别和自然语言处理，这要归功于最近机器学习技术的突破，尤其是深度学习以及前所未有的计算能力。目前，典型的机器学习过程包括训练过程和推理过程，这些过程都是由云计算支持的，即通过一个集中的云数据中心实现广泛的计算，存储和整个数据集的可访问性。然而，新兴的智能移动设备和高风险应用，如无人机，智能汽车和增强现实等，对低延迟和隐私保护有着关键要求，基于云计算的机器学习方法不再适用。因此，边缘设备直接利用本地数据进行训练和推理的方式愈发具有吸引力，而不再需要将数据发送到云或网络。这种新兴技术被称为边缘机器学习，由移动边缘计算支持，通过将云计算服务推到网络边缘来实现。虽然移动边缘智能服务具有诸多优点，但其主要瓶颈是有限的计算、存储、能源和带宽资源。为了解决这个问题，最近有越来越多的研究通过硬件和软件协同设计，使用模型压缩方法来减少推理过程中的存储开销，时间和功耗。此外，研究人员还提出了各种先进的分布式优化算法，利用分布在多个设备上的本文档来自技高网...

【技术保护点】

1.一种D2D辅助的双阶段空中计算模型聚合方法，其特征在于，所述的方法包括以下步骤：

2.根据权利要求1所述的一种D2D辅助的双阶段空中计算模型聚合方法，其特征在于，具体步骤如下：

3.根据权利要求2所述的一种D2D辅助的双阶段空中计算模型聚合方法，其特征在于，所述的步骤3.1中，归一化的具体步骤如下：

4.根据权利要求2所述的一种D2D辅助的双阶段空中计算模型聚合方法，其特征在于，所述的步骤3.3.3中，求解步骤如下；

【技术特征摘要】

1.一种d2d辅助的双阶段空中计算模型聚合方法，其特征在于，所述的方法包括以下步骤：

2.根据权利要求1所述的一种d2d辅助的双阶段空中计算模型聚合方法，其特征在于，具体步骤如下：

3.根据权利要求2所述的...

【专利技术属性】
技术研发人员：邓娜，张冉强，卫海超，赵楠，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：