买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明涉及一种面向车联网数据异构的联邦学习方法、系统、设备及介质，属于车联网技术领域与分布式机器学习技术领域。本方法能够自动适应地将所有参与训练神经网络模型的智能网联汽车所在的大区域划分成多个子区域，使得位于同一区域内的智能网联汽车所持有的数据的分布相似，缓解数据异构性对模型训练的影响。同时，在区域划分的基础上，所提系统能够实现端智能网联汽车‑边边缘服务器‑云云中心服务器三层通信架构协同训练神经网络模型。通过训练超网络模型，系统为每一个智能网联汽车预测个性化聚合权重，在实现个性化车辆模型的同时也为每一个区域实现个性化区域模型，提升模型的精确度，加快模型训练速度，缓解通信拥塞问题。

主权项：1.一种面向车联网数据异构的联邦学习方法，该方法中涉及智能网联汽车、边缘服务器和云中心服务器，其特征在于：该方法包括两阶段：第一阶段是基于相似度的区域划分方法，第二阶段是基于超网络的分层个性化联邦学习方法，具体包括以下步骤：S1、智能网联汽车将数据样本的标签信息和车辆位置信息上传至云中心服务器，云中心服务器执行区域划分算法将所有智能网联汽车所在的大区域划分成若干个小区域；S2、智能网联汽车从所属区域的边缘服务器下载个性化的车辆模型，在本地训练数据集上执行k1次梯度下降，将本地模型更新与本地模型参数发送给边缘服务器；S3、边缘服务器接收来自智能网联汽车上传的本地模型更新后，调度进程将本地模型更新作为伪梯度更新超网络模型的嵌入向量和模型参数，以更新后的嵌入向量作为超网络的输入并预测个性化聚合权重向量；调度进程使用个性化聚合权重向量以聚合此区域内的其余智能网联汽车上传的本地模型，得到当前智能网联汽车的个性化车辆模型；S4、每执行k2次通信轮时，调度进程依据预先配置的聚合策略，聚合所述边缘服务器所管理的区域内的车辆模型，得到区域模型；调度进程将区域模型更新与区域模型参数发送至云中心服务器；S5、云中心服务器接收到来自边缘服务器上传的区域模型更新后，中心调度进程将区域模型更新作为伪梯度更新超网络模型的嵌入向量和模型参数，将更新后的嵌入向量输入到超网络模型并预测出个性化聚合权重向量；中心调度进程依据个性化聚合权重向量，聚合所有边缘服务器上传的区域模型，得到所述边缘服务器的个性化区域模型。

全文数据：

权利要求：

百度查询： 重庆大学 一种面向车联网数据异构的联邦学习方法、系统、设备及介质