龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京邮电大学
申请日：2024-03-18
公开（公告）日：2024-06-25
公开（公告）号：CN118246575A
主分类号：G06N20/20
分类号：G06N20/20;G06F18/214;G06F18/23213;G06N5/04;G06F18/241
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种面向集群车辆合作学习的训练方法。首先，服务器将全局模型广播给其覆盖范围的每个车辆客户端，使用迭代K‑means算法实现无需预先设定划分模型个数的模型划分，并对划分后的模型进行分组聚合；然后，基于客户端本地数据质量与相似度的匹配聚类方法，通过簇头选择、簇头匹配模型、车辆客户端匹配簇头，三个过程实现精准聚类；接着，使用双层激励机制方案，在上层，服务器采用Stackelberg博弈机制对各个簇头进行激励，在下层，簇头则采用多维合同理论机制对簇内车辆客户端进行激励。本发明训练方法实现了对车辆客户端的精准聚类，同时激励了多个簇并行训练多个联邦学习任务，从而有效地提高了面向集群车辆合作学习的整体效率。
主权项：1.一种面向集群车辆合作学习的训练方法，包括以下步骤：步骤1、服务器将FL联邦学习全局模型广播给其覆盖范围的每个车辆客户端，接收每个车辆客户端上传的本地模型，使用迭代K-means算法对车辆客户端本地模型进行分组聚合，得到簇内全局模型；步骤2、车辆客户端对本地模型进行精准聚类，包括：簇头选择、簇头匹配模型、车辆客户端匹配簇头；步骤3、使用双层激励机制，在上层，服务器采用主从博弈机制对各个簇头进行激励，在下层，簇头则采用多维合同理论机制对簇内车辆客户端进行激励，得到簇头与车辆客户端的最优合同；步骤4、簇头将最优合同和簇内全局模型信息下发至各个车辆客户端，每个车辆客户端在本地展开训练，车辆客户端将训练好的本地模型上传给簇头，簇头收到车辆客户端上传的本地模型后，进行模型聚合，并将聚合好的簇内全局模型上传至服务器；步骤5、服务器接收到训练好的簇内全局模型后，将相应的奖励分配给各个簇头，同时，在每个集群内，簇头将奖励了下发至各个车辆客户端，完成本轮训练过程；步骤6、重复步骤2至步骤5，直到各个车辆客户端本地模型均收敛，将收敛后的本地模型应用于智能交通系统，实现车辆间的数据共享和协同决策，从而优化交通行为。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种面向集群车辆合作学习的训练方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号