申请/专利权人：南京邮电大学

申请日：2022-05-09

公开（公告）日：2024-06-28

公开（公告）号：CN115081676B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明公开了一种基于合同理论的多任务无线联邦学习方法，该方法按以下步骤进行：模型拥有者对移动用户进行分簇，每个移动用户簇分别训练不同的联邦学习任务；模型拥有者通过一组最优合同对每个移动用户簇进行激励；其中，每个最优合同包括最佳奖励报酬和最佳全局迭代次数；每个移动用户簇分别执行联邦学习过程，同时完成不同的联邦学习任务。在本发明的合同理论中，模型拥有者有效激励了多个移动用户簇进行数据训练，并且同时完成了多个不同的联邦学习任务，从而提高整体联邦学习过程的工作效率。同时，模型拥有者能够在信息不对称的情况下最大化自己的效益。

主权项：1.一种基于合同理论的多任务无线联邦学习方法，其特征在于，所述方法包括以下步骤：模型拥有者对移动用户进行分簇，每个移动用户簇分别训练不同的联邦学习任务；模型拥有者通过一组最优合同对每个移动用户簇进行激励；其中，每个最优合同包括最佳奖励报酬和最佳全局迭代次数；每个移动用户簇分别执行联邦学习过程，同时完成不同的联邦学习任务；模型拥有者通过一组最优合同对每个移动用户簇进行激励，具体为：用户簇Ci的属性πi＝ηi,εi，其中，εi为Ci的训练精确度要求，ηi为Ci进行一次全局迭代的花销： 其中，κ为能量对应花销，Ki为Ci中随机选取参与训练的移动用户个数，Ei为Ci中移动用户的本地迭代次数，为Ci中第k个移动用户ik执行一次本地迭代计算耗费的能量，为ik参与一次全局迭代需要耗费的通信能量；按照每个用户簇一次全局迭代的花销的升序，重新索引用户簇，并得到第i个用户簇完整执行完一次合同所得利润为：uiθi＝Ri-ηiri其中，θi为第i个用户簇设计的合同项，θi＝ri,Ri，Ri为模型拥有者对第i个用户簇的激励，ri为第i个用户簇完成θi所需的全局迭代总次数；一组可行的合同必须满足以下条件：12RI-ηIrI≥03Ri-ηiri≥Ri+1-ηiri+14Ri-ηiri≥Ri+1-ηi+1ri+1因此，在可行的合同中，最优奖励的表达式为： 其中，I为用户簇的数量；计算效益函数： 其中，S,A0,B0均为常数，Ni为第i个用户簇中的移动用户总数；将最优奖励的表达式代入效益函数中，并通过求解如下问题获得最佳全局迭代次数 将所得代入最优奖励的表达式中，即得到最佳奖励报酬

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于合同理论的多任务无线联邦学习方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD