检索结果-南通市图书馆

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

边缘场景下动态联邦学习优化方法

计算机技术与发展 2024年第2期34卷 98-104页

作者：王志良何刚俞文心许康文军刘畅西南科技大学计算机科学与技术学院四川绵阳621010 国家卫生健康委核技术医学转化实验室(绵阳市中心医院) 四川绵阳621010

边缘计算(Edge Computing)是一种新的计算方式,通过在网络边缘提供计算服务,与传统的云计算模式相比,具有高可信度和低延迟等特点。联邦学习(FL)作为一种分布式机器学习方法,尽管具备保护隐私和数据安全的特性,却仍然面临设备异构和数... 详细信息

边缘计算(Edge Computing)是一种新的计算方式,通过在网络边缘提供计算服务,与传统的云计算模式相比,具有高可信度和低延迟等特点。联邦学习(FL)作为一种分布式机器学习方法,尽管具备保护隐私和数据安全的特性,却仍然面临设备异构和数据不均衡等问题,导致出现部分参与者(边缘端)训练时间长、训练效率低下等问题。为了解决上述问题,该文提出了一种名为FlexFL的动态联邦学习优化算法。该算法引入了两层联邦学习策略,通过在同一参与者部署多个联邦学习训练服务和一个联邦学习聚合服务,将本地数据集平均分配给各个联邦学习训练服务,并每回合激活一定数量的训练服务。未激活的服务将休眠,不占用计算资源,并将资源平均分配给激活的服务,以加快训练速度。该算法能够平衡参与者设备异构和数据不均衡性带来的训练时间差异,从而提高整体训练效率。在MINST数据集和CIFAR数据集上与FedAvg联邦学习算法进行了对比实验,结果显示,FlexFL算法在减少时间消耗的同时,不降低模型性能。

关键词：边缘计算机器学习联邦学习服务动态缩放数据不均衡设备异构

在线全文

学校读者我要写书评

暂无评论

异构边缘环境下基于蚁群系统的用户分配

中国电子科学研究院学报 2023年第12期18卷 1119-1128页

作者：曹绍华代聪聪詹子俊张卫山郑丹阳中国石油大学(华东)青岛软件学院、计算机科学与技术学院山东青岛266580 西南交通大学计算机与人工智能学院四川成都611756

边缘计算是一种新兴的计算范式,将任务分配至边缘服务器可有效提升用户满意度。然而,如何将用户与合适的边缘服务器匹配实现特定优化目标是一项挑战。多数现有解决方案未能充分考虑设备异构性和网络复杂性对分配策略的影响。为此,首先,... 详细信息

边缘计算是一种新兴的计算范式,将任务分配至边缘服务器可有效提升用户满意度。然而,如何将用户与合适的边缘服务器匹配实现特定优化目标是一项挑战。多数现有解决方案未能充分考虑设备异构性和网络复杂性对分配策略的影响。为此,首先,建立了设备异构和干扰感知的用户分配问题模型;然后,提出了双向排序贪婪算法和启发式蚁群系统算法,旨在提高用户分配率,同时降低平均任务延迟。实验结果表明,所提出的方法有效地解决了问题,并且在性能上优于其他三种代表性的方法。

关键词：边缘计算通信干扰用户分配设备异构

在线全文

学校读者我要写书评

暂无评论

边缘场景下动态权重的联邦学习优化方法

计算机科学 2022年第12期49卷 53-58页

作者：程帆王瑞锦张凤荔电子科技大学信息与软件工程学院成都610054

边缘计算(Edge Computing)作为一种新的计算范式,在网络边缘提供计算服务,相比传统的云计算模式,它具有高可信、低延迟等特点,在各行各业中有着广阔的应用前景,但在隐私保护和数据处理上仍存在一些问题。而联邦学习作为一种分布式的机... 详细信息

边缘计算(Edge Computing)作为一种新的计算范式,在网络边缘提供计算服务,相比传统的云计算模式,它具有高可信、低延迟等特点,在各行各业中有着广阔的应用前景,但在隐私保护和数据处理上仍存在一些问题。而联邦学习作为一种分布式的机器学习技术,能很好地解决边缘计算场景下数据分布不一致和数据隐私问题,但仍面临设备异构、数据异质及通信方面的挑战,如模型偏移、收敛效果差、部分设备计算结果丢失等问题。为解决上述问题,提出动态权重的联邦学习优化算法(FedDw)。该算法关注设备的服务质量,减少训练速度不一致导致部分设备参与带来的异构性影响,并根据服务质量确定在最终模型聚合时的占比,从而确保聚合的结果在复杂的真实情况下更具有鲁棒性。在10个地区气象站的真实数据集上与FedProx和Scaffold这两种典型的联邦学习算法进行了对比,实验结果表明FedDw算法具有更好的综合性能。

关键词：联邦学习边缘计算风能预测设备异构动态权重

在线全文

学校读者我要写书评

暂无评论

基于异步的联邦多任务学习方法的研究与实现

基于异步的联邦多任务学习方法的研究与实现

作者：赵昱祁北京邮电大学

学位级别：硕士

联邦学习是一种机器学习范式,它使各客户端共同学习一个共享的全局模型,同时将它们的训练数据保存在本地而不是上传到中心服务器,从而实现在保护数据隐私的条件下完成全局模型的训练。然而,目前联邦学习还存在一些影响其性能的挑战。首... 详细信息

联邦学习是一种机器学习范式,它使各客户端共同学习一个共享的全局模型,同时将它们的训练数据保存在本地而不是上传到中心服务器,从而实现在保护数据隐私的条件下完成全局模型的训练。然而,目前联邦学习还存在一些影响其性能的挑战。首先,各客户端的数据分布是不一致的,单一的全局模型无法满足不同数据分布的客户端的需求,进而影响全局模型的性能。其次,各客户端之间存在设备性能的差异,它们具备不同的计算能力,这导致了训练时间延长,进而影响联邦学习的训练性能。以上两个问题往往会同时出现,但目前很多研究都只针对其中一个挑战进行解决,几乎没有研究将以上两个挑战同时考虑并解决。因此研究如何同时缓解数据异构性和设备异构性是值得研究的问题。针对上述问题,本文提出一种基于簇异步的联邦多任务学习方法,该方法主要分为四个步骤。首先,基于数据分布和设备性能的客户端聚类方法,将数据分布和设备性能都相似的客户端划分到同一簇中;第二步,数据特征计算和提取方法,计算和提取全局重要特征;第三步,基于特征遮蔽的全局联邦学习方法,所有客户端遮蔽数据中的非重要特征并执行全局联邦学习,更新和共享与重要特征相关的模型权重;第四步,簇异步联邦学习方法,客户端在各自簇内执行联邦学习,其中簇内训练是同步的,而簇之间互不干扰,其更新的异步的。实验结果表明,与现有算法相比,我们的算法在基准数据集上获得了更好的模型性能和训练性能。进一步,本文设计与实现了基于簇异步的联邦多任务学习系统。该系统分为三大模块。首席是信息展示模块,其主要负责任务信息和模型结果信息的展示,能够让用户查看相关的任务和模型结果信息。第二是任务收发模块,其主要负责任务发布,任务接受以及任务启动功能,能够让用户发布和参与联邦学习任务。第三是联邦学习模块,其主要负责导入任务训练数据,执行本文提出的方法,模型准确度评估以及客户端和服务器端的通信交互。

关键词：联邦学习联邦多任务学习数据异构设备异构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于联邦学习的边缘智能协作策略研究与应用

基于联邦学习的边缘智能协作策略研究与应用

作者：朱举异电子科技大学

学位级别：硕士

随着物联网和边缘设备的广泛使用,处理数据的中心将由云中心转移到边缘网络,催生了“联邦学习”的方法,在边缘网络中使用联邦学习分布式训练人工智能模型已成为边缘智能领域中的研究热点与主要研究方向。目前联邦学习方法在边缘网络中... 详细信息

随着物联网和边缘设备的广泛使用,处理数据的中心将由云中心转移到边缘网络,催生了“联邦学习”的方法,在边缘网络中使用联邦学习分布式训练人工智能模型已成为边缘智能领域中的研究热点与主要研究方向。目前联邦学习方法在边缘网络中的研究及应用取得了诸多成果,但仍存在如下问题:一是边缘设备异构导致联邦学习模型准确率低下的问题;二是边缘设备本地数据异构性导致联邦学习训练效率低下的问题。本文针对上述该问题进行深入研究,研究成果如下:针对边缘异构设备参与联邦学习时训练模型准确率低的问题,引入集成知识蒸馏方法,设计了基于集成蒸馏的联邦学习智能协作方法Fed EKD。首先,分析了边缘网络资源受限环境下异构设备对联邦学习的影响,构建了新的联邦学习架构;其次,设计了分组的本地训练模式,通过集成知识蒸馏方法进行本地数据的特征迁移,在完成本地集成蒸馏训练之后,再由服务器进行联邦聚合;最后,在全局模型准确率和收敛所需的时间上对比其他基线模型,验证智能协作方法Fed EKD的有效性。针对各边缘设备分组中存在的数据异构问题导致基于集成蒸馏的联邦学习智能协作方法Fed EKD训练效率低的问题,设计了基于深度强化学习的智能协作分组设备选择算法DRL-Fed GDS。首先,通过对Fed EKD中的设备分组与训练情况进行建模分析,设计解决数据异构导致分组训练时间差异过大的优化模型;其次,结合深度强化学习模型,设计深度强化学习代理的分组策略;最后,在分组训练时间最大值与最小值之差和训练时间上对比其他基线模型,验证分组设备选择算法DRL-Fed GDS的有效性。根据背景项目的实际需要,设计并实现了基于联邦学习的边缘智能协作算法的应用可视化系统。将基于集成蒸馏的联邦学习智能协作方法与基于深度强化学习的智能协作分组设备选择方法应用于智能制造中,构建了一套边缘智能协作系统,为提高工业制造智能水平提供了具体的方案。

关键词：边缘智能联邦学习设备异构数据异构深度强化学习

基于众包技术的楼宇内部立体地图构建方法的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于众包技术的楼宇内部立体地图构建方法的研究与实现

作者：赵显江苏大学

学位级别：硕士

在日常生活中,基于位置的服务扮演着越来越重要的角色。在室内定位领域中,由于Wi-Fi设施易部署的特性,基于Wi-Fi信号指纹的定位技术被广泛使用。然而,传统构建Wi-Fi信号指纹地图的方法需要大量的时间及专业人力。众包技术的出现虽然在... 详细信息

在日常生活中,基于位置的服务扮演着越来越重要的角色。在室内定位领域中,由于Wi-Fi设施易部署的特性,基于Wi-Fi信号指纹的定位技术被广泛使用。然而,传统构建Wi-Fi信号指纹地图的方法需要大量的时间及专业人力。众包技术的出现虽然在一定程度上缓解了上述问题,但是仍有许多不足需要改进。本文针对接入点(Access Point,AP)选择、设备异构问题,以及如何构建立体Wi-Fi信号指纹地图进行了研究,主要工作如下:(1)针对目标区域中APs数量过多不易选取的问题,本文提出一种基于多参数的AP选择算法(AP selection algorithm based on multi-parameter,MPSP),该算法通过信号稳定性、信号关联性和信号对参考点区分能力三方面考量,选取目标区域中具有高精度定位能力的AP子集构建位置—指纹数据库,解决了大量APs中不易选择定位精度高的AP集合的问题。(2)针对离线训练阶段和在线服务阶段设备异构导致定位不稳定的问题,本文在MPSP的基础上提出一种基于Wasserstein距离的设备异构弱化定位方法(Wi-Fi based indoor location with multi-parameter AP selection and device heterogeneity weakening,ADH),将定位点与参考点RSS值设备无关化处理后,计算定位点RSS分布与参考点RSS分布的Wasserstein距离,且生成权重用于定位算法中,提升了定位的稳定性,解决了设备异构导致定位不稳定的问题。(3)针对现有的大多室内定位地图为平面地图,且缺少支持跨设备与导航等功能的问题,本文提出一种基于众包的楼宇内部立体地图构建方法,通过地标、ADH、PDR算法将行人移动采集的Wi-Fi RSS序列映射成地图中可通行路径;将可通行路径叠加,还原地标建筑,去除重复路径,结合地图要素生成立体室内地图;使用ADH算法定位当前位置,结合可通行路径,完成导航,解决了现有的大多室内定位地图缺少对多楼层、跨设备与导航等功能支持的问题。最后,本文在江苏大学的计算机学院楼完成整个室内定位过程的实验测试。实验结果实证了本文提出方法的有效性及其实用价值。

关键词：众包 Wi-Fi信号指纹地图 AP选择设备异构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向异构室内定位环境的强化学习方法研究

面向异构室内定位环境的强化学习方法研究

作者：李彤电子科技大学

学位级别：硕士

无线电RSS指纹凭借其易获取、低成本等多种优势被广泛地应用于基于指纹的室内定位方法中。但是,信号采集设备的异构性带来的指纹差异可能会导致指纹误匹配,并最终影响定位性能。近年来,强化学习在解决如AlphaGo等复杂决策问题上表现出... 详细信息

无线电RSS指纹凭借其易获取、低成本等多种优势被广泛地应用于基于指纹的室内定位方法中。但是,信号采集设备的异构性带来的指纹差异可能会导致指纹误匹配,并最终影响定位性能。近年来,强化学习在解决如AlphaGo等复杂决策问题上表现出了强有力的竞争优势,并在室内定位领域中也得到了广泛的关注。但现有一些基于强化学习的室内定位方法没有充分利用环境中的观测和智能体自身的历史动态信息,并且忽略了多智能体系统中多个不同设备之间的异构性。针对上述问题,本文开展了异构室内定位环境下的强化学习方法研究,主要工作内容如下:本文提出了一种基于深度强化学习的轨迹定位方法,以RSS测量、智能体自身的估计位置和其历史动作为状态,利用环境中的少量先验知识设计一个合理的奖赏函数,奖励强RSS值且靠近选定AP的位置估计并惩罚远离选定AP的位置。通过对一个位置计算两次奖赏值并选择高奖赏值的方式,来处理RSS数据存在设备异构性的问题。实验结果证明该算法可以以较高精度预测轨迹的走向,并对异构RSS数据也具有一定的鲁棒性。本文提出了一种基于最小二乘与多智能体深度强化学习的无人机辅助轨迹定位方法,该算法使用两组不同的RSS数据,首先利用最小二乘预测目标的位置,再基于强化学习方法估计无人机位置,并同时评估对目标的估计。在深度强化学习的多智能体系统中,以异构RSS测量数据、智能体的位置、其越界标志及其自身历史动作向量为状态。在多个智能体与目标的平均定位误差在可接受范围内时,奖励靠近目标的定位状态而惩罚远离目标的定位状态。实验结果证明该算法定位性能较稳定,对处理异构RSS数据也具有一定的健壮性。

关键词：室内定位深度强化学习多智能体系统设备异构指纹定位

一种层次Levenshtein距离的无指纹校准的室内定位方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

智能系统学报 2017年第3期12卷 422-429页

作者：何富贵杨铮吴陈沭赵姝周先存皖西学院电子与信息工程学院安徽六安237012 安徽大学智能计算与知识工程研究所安徽合肥230039 清华大学软件学院可信网络与系统研究所北京100084

随着移动计算领域的兴起,基于位置的服务越来越受青睐。目前各种室内定位的方法层出不穷,由于室内广泛部署了无线基础设施,基于WiFi指纹信息的室内定位技术是其主流方法。设备异构和室内环境变化是影响定位精度的主要因素。本文针对以... 详细信息

随着移动计算领域的兴起,基于位置的服务越来越受青睐。目前各种室内定位的方法层出不穷,由于室内广泛部署了无线基础设施,基于WiFi指纹信息的室内定位技术是其主流方法。设备异构和室内环境变化是影响定位精度的主要因素。本文针对以上两个问题,提出一种层次Levenshtein距离(HLD)的WiFi指纹距离计算算法,实现异构设备的指纹无校准比对。将不同移动设备采集的RSSI信息转化为AP序列,根据AP对应的RSSI值的差异性计算其层次能级,结合Levenshtein距离计算WiFi指纹之间的距离。对于需定位的WiFi指纹RSSI信息,利用HLD算法获取K个近邻,采用WKNN算法进行预测定位。实验中,为了验证算法的鲁棒性和有效性,在3种不同类型的室内环境中采用5种不同的移动设备来采集WiFi的RSSI信息,其定位的平均精度达1.5 m。

关键词：室内定位 WiFi指纹设备异构无指纹校准 Levenshtein距离

在线全文

学校读者我要写书评

暂无评论

地震前兆数据采集适配软件方案设计

震灾防御技术 2018年第1期13卷 215-225页

作者：汤一翔滕云田刘高川张旸王晨王喆中国地震局地球物理研究所北京100081 中国地震台网中心北京100045

为解决地震前兆非标准仪器的统一接入问题,本文对地震前兆台网设备异构性进行了分析,提出一套完整的地震前兆数据采集适配软件设计方案,并从采集、存储、传输3个主要软件模块描述了关键技术设计。

关键词：前兆台网数据采集适配器设备异构序列化 NIO