申请/专利权人:南京邮电大学;江苏省未来网络创新研究院
申请日:2024-03-13
公开(公告)日:2024-05-10
公开(公告)号:CN118014305A
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06F18/241;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.28#实质审查的生效;2024.05.10#公开
摘要:本发明公开了车联网场景下分层联邦学习RSU调度的公平性增强方法,首先明确车联网场景和智能识别任务;接着构建车联网场景下分层联邦学习的架构,描述车辆用户、RSU参与云端聚合的主要过程;然后将RSU调度问题转换成多臂老虎机问题,使用置信上界算法进行RSU选择,同时引入本地数据新鲜度来增强该过程的公平性;最后,使用Jain指标,结合分类准确度和系统整体时延提出综合性指标进行评测;本发明所设计的方法解决了车联网场景下分层联邦学习RSU调度问题的公平性问题。
主权项:1.车联网场景下分层联邦学习RSU调度的公平性增强方法,其特征在于,针对目标车联网场景,执行如下步骤S1-步骤S4,完成目标车联网场景中的路侧单元调度优化:步骤S1:明确目标车联网场景和智能识别任务,所述的目标车联网场景包括目标区域中多个连续部署的路侧单元,及其覆盖范围内的车辆和一个中心基站;所述的智能识别任务表示车辆基于路侧单元的交互,完成其周围目标识别的过程;步骤S2:建立分层联邦学习架构,构建路侧单元调度模型并进行联邦学习,联邦学习的过程包括路侧单元根据目标车联网场景,收集其覆盖区域内各车辆的数据,对路侧单元调度模型进行本地训练,中心基站与路侧单元进行交互,并选择路侧单元,更新路侧单元调度模型,并将更新好的路侧单元调度模型下发给各车辆,使其完成智能识别任务;步骤S3:将路侧单元调度问题转换为多臂老虎机问题,中心基站使用置信上界算法进行路侧单元选择,过程中引入本地数据新鲜度,以增强路侧单元调度的公平性;步骤S4:引入Jain公平性指标,结合分类准确度、系统整体时延,提出综合性指标,对路侧单元调度模型进行评测,完成目标车联网场景中的路侧单元调度优化。
全文数据:
权利要求:
百度查询: 南京邮电大学;江苏省未来网络创新研究院 车联网场景下分层联邦学习RSU调度的公平性增强方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。