本发明公开了一种高能效的聚类联邦边缘学习策略生成方法和装置,方法包括以下步骤:S1、云中心初始化边缘接入策略;S2、边缘基站求解其接入设备的带宽资源分配策略,将其初始化模型发送给接入设备;S3、设备计算接收到的全局模型的精度,根据全局模型和本地数据采用分层迁移策略训练本地模型,计算上传本地模型花费的能量,将测试精度与能耗的差值作为本地收益,将本地模型和本地收益上传到所接入的边缘基站;S4、边缘基站分层聚合本地模型,通过平均所有接入设备的本地收益,计算边缘收益,将边缘收益上传到云中心;S5、云中心根据收到的边缘基站的反馈信息,计算系统收益,采用深度强化学习算法调整边缘接入策略;S6、重复上述过程直至收敛。
声明:
“高能效的聚类联邦边缘学习策略生成方法和装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)