【技术实现步骤摘要】
本专利技术涉及无人机训练模型系统，特别涉及多旋翼无人机集群应用联邦学习框架训练神经网络模型。
技术介绍
1、无人机在执行任务的时候会产生数据，这些数据可以用于神经网络模型训练。然而，将数据传输到一个实体比如云计算中心进行集中式训练是不可行的，特别是在偏远地区云计算中心不可用的情况下，此外，对于能力受限无人机网络，将采集的数据进行回传会消耗大量能量并产生长时延，影响模型收敛速度和任务执行；
2、作为分布式学习框架，联邦学习提出将模型参数代替数据进行传输，保护隐私的同时降低通信要求，非常适合计算、带宽和能量受限的无人机，已经被广泛应用于无人机集群；
3、然而，在无人机集群部署联邦学习，受到无人机移动性的影响，信道时变性会影响模型参数交换从而影响联邦学习的收敛速度和模型性能；同时，无人机的计算异质性也会影响局部模型更新从而影响全局模型收敛；每个无人机之间数据往往是非独立同分布的，这在联邦学习场景中经常被考虑，也会对联邦学习造成影响；最后，如果无人机数据量不足以及不平衡，会导致局部模型过拟合，而联邦学习由于分布式学习方式
【技术保护点】
1.多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，包括有：
2.如权利要求1所述的多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，所述联邦学习训练过程包括：
3.如权利要求2所述的多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，所述系统建模的过程为：
4.如权利要求3所述的多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，将w表示为第n个全局迭代全局模型参数，wk表示第k个无人机的局部模型参数，Dk表示第k个无人机的本地训练数据量；
5.如权利要求4所述的多旋翼无人...
【技术特征摘要】
1.多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，包括有：
2.如权利要求1所述的多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，所述联邦学习训练过程包括：
3.如权利要求2所述的多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，所述系统建模的过程为：
4.如权利要求3所述的多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，将w表示为第n个全局迭代全局模型参数，wk表示第k个无人机的局部模型参数，dk表示第k个无人机的本地训练数据量；
5.如权利要求4所述的多旋翼无人机集群应用联邦学习框架训练神经网络模型，其特征在于，还包括有：
6.如权利要求5所述的多旋翼无人机集群应用联邦学习框架训练神...
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。