← 返回列表
一种联邦边缘学习梯度聚合方法、装置、系统
摘要文本
本发明涉及信息与通信技术领域中的一种联邦边缘学习梯度聚合方法、装置、系统，包括以下步骤：获取训练符号向量，并基于训练符号向量计算波束赋形向量；获取无线信道中的发送信号，并基于发送信号计算信号矩阵；基于波束赋形向量和信号矩阵计算聚合梯度，并计算最小化全局损失函数；基于聚合梯度和最小化全局损失函数更新全局模型，并判断更新后的全局模型是否收敛，若收敛，则结束，反之则继续更新全局模型，解决了空中计算联邦学习信道估计通信开销较大、学习性能损失的问题。。来自马-克-数-据
申请人信息
- 申请人:杭州辰时医联科技有限公司
- 申请人地址:310000 浙江省杭州市余杭区仓前街道欧美金融城2幢2906室
- 发明人: 杭州辰时医联科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种联邦边缘学习梯度聚合方法、装置、系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311571024.8 |
| 申请日 | 2023/11/23 |
| 公告号 | CN117614780A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | H04L25/02 |
| 权利人 | 杭州辰时医联科技有限公司 |
| 发明人 | 袁晓军; 钟晨曦; 黄浩; 秦浪 |
| 地址 | 浙江省杭州市余杭区仓前街道欧美金融城2幢2906室 |
专利主权项内容
1.一种联邦边缘学习梯度聚合方法，其特征在于，包括以下步骤：获取训练符号向量，并基于所述训练符号向量计算波束赋形向量；获取无线信道中的发送信号，并基于所述发送信号计算信号矩阵；基于所述波束赋形向量和信号矩阵计算聚合梯度，并计算最小化全局损失函数；基于所述聚合梯度和最小化全局损失函数更新全局模型，并判断更新后的全局模型是否收敛，若收敛，则结束，反之则继续更新全局模型。