检索结果-南通市图书馆

融合通道个性标准化的本地自适应联邦学习研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

电子与信息学报 2024年

作者：赵宇陈思光南京邮电大学物联网学院

为了缓解联邦学习(FL)中客户端之间由于完全重叠特征偏移所带来的数据异构问题影响，该文提出一种融合通道个性标准化的本地自适应联邦学习算法。具体地，构建了一个面向数据特征偏移的联邦学习模型，在训练开始之前先对客户端中的图像... 详细信息

为了缓解联邦学习(FL)中客户端之间由于完全重叠特征偏移所带来的数据异构问题影响，该文提出一种融合通道个性标准化的本地自适应联邦学习算法。具体地，构建了一个面向数据特征偏移的联邦学习模型，在训练开始之前先对客户端中的图像数据集进行一系列随机增强操作。其次，客户端分别按颜色通道单独计算数据集的均值和标准差，实现通道个性标准化。进一步地，设计本地自适应更新联邦学习算法，即自适应地聚合全局模型和本地模型以进行本地初始化，该聚合方法的独特之处在于既保留了客户端模型的个性化特征，同时又能从全局模型中捕获必要信息，以提升模型的泛化性能。最后，实验结果表明，该文所提算法与现有相关算法相比，收敛速度更快，准确率提高了3%～19%。

关键词：边缘计算联邦学习标准化模型聚合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向资源异构的通信高效去中心化联邦学习

系统工程与电子技术 2024年

作者：潘沭伽陈思光南京邮电大学物联网学院

为缓解去中心化联邦学习中不同终端节点数据异构带来的负面影响，提升系统异步兼容性的同时降低整体通信开销，该文提出了一种基于掩码位置图的去中心化联邦学习算法。具体地，设计了一种不对称的掩码更新方案，通过逐渐提升稀疏度将掩... 详细信息

为缓解去中心化联邦学习中不同终端节点数据异构带来的负面影响，提升系统异步兼容性的同时降低整体通信开销，该文提出了一种基于掩码位置图的去中心化联邦学习算法。具体地，设计了一种不对称的掩码更新方案，通过逐渐提升稀疏度将掩码范数与训练程度绑定，同时使用可信任的稀疏联邦聚合，在有效利用稀疏梯度的同时保障了系统的安全性。其次，设计了动态掩码社区分割算法，将梯度掩码与社区分割结合，可有效利用全网梯度之间的相似性，主动选择相似聚合目标，提升模型性能。进一步，在网络结构上将模型层与掩码层分离，可降低算力异构对系统可拓展性的影响。最后，设计了一种单线程同时模拟数据异构、算力异构与终端节点异步的实验方案，实验结果表明，与现有相关方法相比，所提算法在两种数据集与严苛异步设置下均可维持高准确率，并且通信开销降低14%-21%。

关键词：边缘计算联邦学习去中心化系统稀疏训练

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于能耗公平性的混合启发式计算迁移算法

南京邮电大学学报(自然科学版) 2024年

作者：袁可陈思光南京邮电大学物联网学院中国移动紫金(江苏)创新研究院有限公司

当前边缘计算场景下的计算迁移方案往往存在着诸多问题，比如资源分配不均匀、任务分配不合理、低效等。为此，本文提出了一种基于能耗公平性的混合启发式计算迁移机制。具体来说，基于边缘服务器的能耗公平性、通信资源、计算资源的综... 详细信息

当前边缘计算场景下的计算迁移方案往往存在着诸多问题，比如资源分配不均匀、任务分配不合理、低效等。为此，本文提出了一种基于能耗公平性的混合启发式计算迁移机制。具体来说，基于边缘服务器的能耗公平性、通信资源、计算资源的综合考量，构建了一个最小化完成所有任务总能耗的优化问题。首先，将能耗公平性指标纳入目标边缘服务器的选择依据中，求解出最优的目标服务器；其次，为解决所提出的混合整数非线性规划问题，设计了一种混合启发式计算迁移决策算法。该算法融合了遗传算法（Genetic Algorithm， GA）和模拟退火算法（Simulated Annealing Algorithm， SA），改善了收敛速度和搜索质量，避免算法陷入局部最优解，同时减少算法对初始参数的依赖性，提高算法的稳定性。仿真结果验证了本机制在能量消耗方面相对于其它基准方法具有显著优势，边缘服务器的能耗公平性也最高，且证实了该机制的收敛速度优势。

关键词：边缘计算计算迁移启发式算法资源分配

CGAC:一种基于CSI的人体动作识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

南京邮电大学学报(自然科学版) 2024年

作者：苏健郑毓煌陈思光软件学院南京信息工程大学物联网学院南京邮电大学

WiFi的信道状态信息（CSI）在人体动作识别（HAR）领域具有广泛的应用前景。目前基于CSI的HAR大多在准确率以及不同环境中的鲁棒性上存在不足。针对这类问题，提出了一种结合了卷积神经网络、门控循环单元以及注意力机制的复合人体动作... 详细信息

WiFi的信道状态信息（CSI）在人体动作识别（HAR）领域具有广泛的应用前景。目前基于CSI的HAR大多在准确率以及不同环境中的鲁棒性上存在不足。针对这类问题，提出了一种结合了卷积神经网络、门控循环单元以及注意力机制的复合人体动作识别模型（CGAC）。首先使用CNN对输入数据进行时序特征提取，通过池化操作减小特征尺寸，再使用BiGRU对时序特征进行建模，通过注意力机制增强对关键特征的关注度。在三个公开数据集进行实验，CGAC在UT-HAR数据集中达到了99.70%的准确率，在NTU-Fi的HAR数据集中达到了97.50%的准确率，在Human-ID数据集上达到了97.81%的准确率，实验结果表明CGAC模型高于该领域现有方法的准确率，证明了方法的有效性。

关键词：人体动作识别信道状态信息深度学习卷积神经网络门控循环单元注意力机制

面向联邦学习标签翻转攻击的客户端选择防御方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

物联网学报 2024年

作者：李建鑫陈思光南京邮电大学物联网学院

联邦学习允许多个客户端仅共享模型更新而不上传本地数据来协作训练一个全局模型，但正是由于它这种基于分布式的全局聚合模式，导致联邦学习易受到标签翻转攻击的恶意影响。为此，文章提出了一种面向联邦学习标签翻转攻击的客户端选择... 详细信息

联邦学习允许多个客户端仅共享模型更新而不上传本地数据来协作训练一个全局模型，但正是由于它这种基于分布式的全局聚合模式，导致联邦学习易受到标签翻转攻击的恶意影响。为此，文章提出了一种面向联邦学习标签翻转攻击的客户端选择防御算法。具体地，该算法基于客户端与辅助客户端模型的余弦相似度以及客户端模型的准确率获得每个客户端的可靠因子，并依据可靠因子进行加权聚合，以此获得全局模型。通过赋予良性客户端更高的权重，可显著降低恶性客户端对全局模型的影响，提高模型的准确率；然后结合客户端的历史良性情况，融合汤普森采样方法，计算每个客户端被选择进行聚合的概率，确定下一轮参与聚合的客户端。通过筛选更加良性的客户端进行聚合可有效防御标签翻转攻击，提升模型鲁棒性。仿真结果表明，与现有的FedAvg和FLTrust算法相比，该算法能够更有效地防御标签翻转攻击并获得更高的准确率。

关键词：联邦学习标签翻转攻击汤普森采样客户端选择

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于联邦深度学习的皮肤病智能诊断研究

生物信息学 2024年第2期22卷 101-108页

作者：段聪颖陈思光南京邮电大学物联网学院南京210003

近年来,基于人工智能的皮肤病智能诊断已经成为智慧医疗领域的热门课题。然而由于单一机构的数据有限,局部训练的神经网络难以满足医疗诊断服务的性能需求,从分散机构中收集数据的集中式学习又存在隐私泄漏的风险。基于上述挑战,本文提... 详细信息

近年来,基于人工智能的皮肤病智能诊断已经成为智慧医疗领域的热门课题。然而由于单一机构的数据有限,局部训练的神经网络难以满足医疗诊断服务的性能需求,从分散机构中收集数据的集中式学习又存在隐私泄漏的风险。基于上述挑战,本文提出一种基于联邦深度学习的皮肤病智能诊断算法。具体地,对比主流的集中式学习,为了在整合多方数据时防止隐私泄漏,本文引入了联邦学习。各客户端将本地模型发送到中心服务器进行聚合,中心服务器再将聚合得到的全局模型同步到各客户端,实现神经网络模型的训练。进一步,为了解决联邦学习中数据异构性的问题,本文在交叉熵损失的基础上增加了修正项,通过修正项限制本地模型和全局模型间的差异,增加模型对异构数据的关注度,从而减小数据异构对诊断结果的影响。实验结果表明,本文所提的皮肤病智能诊断算法与现有相关方案相比,诊断准确度提高了3%~4%,达到75.9%。

关键词：皮肤病智能诊断联邦学习隐私保护损失函数

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于联邦半监督学习的皮肤病变智能识别

生物信息学 2024年

作者：段聪颖顾敏杰李雪陈思光南京邮电大学物联网学院南京医科大学附属妇产医院(南京市妇幼保健院)皮肤科

近年来，深度学习技术已广泛应用于皮肤病变识别。然而在实际应用场景中，单一医疗机构存在训练数据有限、有标签样本不足以及集中式学习易泄露隐私等问题。针对上述问题，本文提出了一种基于联邦半监督学习的皮肤病变智能识别机制。具... 详细信息

近年来，深度学习技术已广泛应用于皮肤病变识别。然而在实际应用场景中，单一医疗机构存在训练数据有限、有标签样本不足以及集中式学习易泄露隐私等问题。针对上述问题，本文提出了一种基于联邦半监督学习的皮肤病变智能识别机制。具体地，设计了一个基于联邦学习的云边协同皮肤病变智能识别模型，该模型在保护用户隐私的前提下，协同训练各个医疗机构数据，可为用户提供准确便捷的诊断服务。接着，设计了一种面向数据异构的半监督损失函数，以有效控制局部模型与全局模型之间的差异。此外，通过融合多重随机采样与准确率加权方法，明确各个本地模型的贡献，并将各个不均匀的本地模型聚合成一个全局共识模型，以进一步降低数据异构的影响。最后，实验结果表明，相较于近期提出的几种机制，所提机制在性能和可扩展性方面表现更优。

关键词：皮肤病变深度学习图像识别联邦学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于谱聚类的傅里叶个性化联邦学习研究

电子与信息学报 2023年第6期45卷 1981-1989页

作者：金彤陈思光南京邮电大学物联网学院南京210003

为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响,该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地,构建一个面向图像分类识别的云边端协同个性化联邦学习模型,提出在云端协同下通过谱聚类将用户... 详细信息

为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响,该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地,构建一个面向图像分类识别的云边端协同个性化联邦学习模型,提出在云端协同下通过谱聚类将用户终端划分为多个聚类域,以充分利用相似用户终端学到的知识提升模型性能。其次,设计边端协同的局部联邦学习方法,通过代理模型在用户终端对个性化局部模型执行恢复与再更新的操作,可有效恢复聚合过程中丢失的本地知识。进一步地,设计云边协同的傅里叶个性化联邦学习方法,即云服务器通过傅里叶变换将局部模型参数转换到频域空间上进行聚合,为每个边缘节点定制高质量的个性化局部模型,可使全局模型更适用于各个分布式用户终端。最后,实验结果表明,与现有相关算法相比,所提算法收敛速度更快,准确率提高了3%~13%。

关键词：边缘计算联邦学习谱聚类傅里叶变换

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

雾辅助物联网中公平节能的计算迁移

工程科学学报 2022年第11期44卷 1926-1934页

作者：陈思光尤子慧南京邮电大学江苏省宽带无线通信和物联网重点实验室南京210003 南京邮电大学江苏省通信与网络技术工程研究中心南京210003

为了构建绿色且长生命周期的物联网,本文提出了一种雾辅助的公平节能物联网计算迁移方案.首先,基于雾节点计算能力、带宽资源以及融合雾节点能耗公平性的迁移决策的联合考量,构建了一个最小化所有任务完成总能耗的优化问题.其次,提出了... 详细信息

为了构建绿色且长生命周期的物联网,本文提出了一种雾辅助的公平节能物联网计算迁移方案.首先,基于雾节点计算能力、带宽资源以及融合雾节点能耗公平性的迁移决策的联合考量,构建了一个最小化所有任务完成总能耗的优化问题.其次,提出了基于动量梯度和坐标协同下降的公平性能耗最小化算法用于解决上述混合整数非线性规划问题.该算法基于雾节点的历史平均能耗、距离、计算能力以及剩余能量值设计了公平性指标以获得对于雾节点能耗公平性最优的迁移决策;通过提出的动量梯度与坐标协同下降法,联合优化雾节点分配给各个任务的计算及带宽资源占比,达到最小化任务处理总能耗.最后,仿真结果表明本文方案能够取得较快的收敛速度,且与随机选择和贪婪任务迁移方案两种基准方案相比,本文方案的总能耗最低,雾节点的能耗公平性最高,且网络寿命分别平均提高了23.6%和31.2%.进一步地,该方案在不同雾节点数量以及不同任务大小的环境下仍然能够保持性能优势,体现了方案鲁棒性高的特点.

关键词：计算迁移雾计算公平性指标能耗最小化网络寿命

维普期刊数据库