一種基于聯邦強化學習的邊緣計算模型訓練方法,涉及無線通信和信息安全。1)檢測信號覆蓋范圍內的移動設備數量,構建卷積神經網絡,初始化參數;2)將各移動設備的參數組成狀態向量輸入卷積神經網絡中,得選擇的移動設備和訓練數據量;3)將全局模型參數和選擇的數據量發送給移動設備,接收移動設備的本地模型參數,更新全局模型參數;4)根據各移動設備的訓練時間、目標識別精度和能量消耗作為獎勵值,更新狀態向量、存儲向量;5)從內存中隨機選取存儲的向量更新卷積神經網絡的權重參數;6)重復2)~5)至移動設備反饋的目標識別精度的平均值大于所需的目標識別精度。提高T秒內目標識別精度,減少訓練時間和移動設備能量消耗。
聲明:
“基于聯邦強化學習的邊緣計算模型訓練方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)