【技术实现步骤摘要】
本专利技术属于无人机移动通信，特别涉及一种基于云边端架构的无人机联邦学习方法。
技术介绍
1、随着移动通信技术的快速发展和智能终端的普及，连接到网络的边缘设备数量和智能应用持续增长，人类将迎来边缘智能时代。传统陆地无线通信网络中，无人机平台主要作为地基网络基础设施的有效补充，承担无线接入网通信任务。无人机在面向万物智联的新一代移动网络中，无线接入承担的不再是单纯的通信功能，在感知能力和算力的加持下，将演进为具有“通-感-算”融合服务能力的智能边缘网络，成为泛在智能网络的“周围神经系统”。无人机平台可凭借其机动灵活特点，更好地服务于以用户为中心的全新业务范式。
2、传统的集中式机器学习将所有数据收集在中央服务器上来执行学习。无人机是资源受限的设备，特别是在计算和电力资源方面，传统的深度学习辅助方案是以云为中心的，这要求无人机的数据被发送并存储在集中的服务器中。产生巨大的网络通信开销以向集中式实体发送原始数据，因此可能导致无人机设备的网络带宽和能量效率低下。此外，传输的数据可能包含无人机的定位和身份等个人数据，这会直接影响无人机...
【技术保护点】
1.一种基于云边端架构的无人机联邦学习方法，其特征在于，在基于云边端架构中，每个云服务器下包括多个边缘服务器，每个边缘服务器的区域内包括多个无人机，无人机联邦学习方法包括以下步骤：
2.根据权利要求1所述的一种基于云边端架构的无人机联邦学习方法，其特征在于，模型参数包括模型每一层的权重和偏置，云服务器进行初始化全局模型的参数时，初始化的权重参数以符合均值为0、方差为的正态分布进行初始化，偏置初始化为0，nin为当前层的输入单元数量。
3.根据权利要求2所述的一种基于云边端架构的无人机联邦学习方法，其特征在于，对初始化的网络参数进行验证，若初始化...
【技术特征摘要】
1.一种基于云边端架构的无人机联邦学习方法，其特征在于，在基于云边端架构中，每个云服务器下包括多个边缘服务器，每个边缘服务器的区域内包括多个无人机，无人机联邦学习方法包括以下步骤：
2.根据权利要求1所述的一种基于云边端架构的无人机联邦学习方法，其特征在于，模型参数包括模型每一层的权重和偏置，云服务器进行初始化全局模型的参数时，初始化的权重参数以符合均值为0、方差为的正态分布进行初始化，偏置初始化为0，nin为当前层的输入单元数量。
3.根据权利要求2所述的一种基于云边端架构的无人机联邦学习方法，其特征在于，对初始化的网络参数进行验证，若初始化的网络参数进行分类任务的损失与随机损失之间的差值在预定范围内，则通过验证以该网络参数进行初始化，否则重新选择初始化参数。<...
【专利技术属性】
技术研发人员：李云，刘子梁，胡飞波，蒋云凤，马文卓，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。