[发明专利]一种基于分布式机器学习的无线网络资源分配方法有效
| 申请号： | 201910341080.X | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110167176B | 公开（公告）日： | 2021-06-01 |
| 发明（设计）人： | 张海君;张海森;皇甫伟;隆克平;董江波;刘玮;任冶冰 | 申请（专利权）人： | 北京科技大学 |
| 主分类号： | H04W72/04 | 分类号： | H04W72/04;H04W72/08;G06N3/02;G06N3/08 |
| 代理公司： | 北京市广友专利事务所有限责任公司 11237 | 代理人： | 张仲波 |
| 地址： | 100083*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于分布式机器学习的无线网络资源分配方法，能够降低计算复杂度。所述方法包括：在各基站侧构建相同规模的深度神经网络模型，并将初始化后的原始网络环境系数划分为多组网络环境系数；以提升系统能量效率为目标，对每组网络环境系数，确定最优的用户关联策略和功率分配策略；将网络环境系数和与各基站相关的最优的用户关联策略和功率分配策略存储为相应基站侧深度神经网络模型的训练集；各基站侧的工作节点采用分布式异步通信方式，训练深度神经网络模型；获取待处理的网络环境系数，将其输入到训练好的深度神经网络模型中进行神经网络计算，输出结果为优化后的用户关联策略和功率分配策略。本发明涉及无线通信及机器学习领域。 | ||
| 搜索关键词： | 一种 基于 分布式 机器 学习 无线 网络资源 分配 方法 | ||
【主权项】：
1.一种基于分布式机器学习的无线网络资源分配方法，其特征在于，包括：S1，在各基站侧构建相同规模的深度神经网络模型，并将初始化后的原始网络环境系数划分为多组网络环境系数；S2，以提升系统能量效率为目标，对每组网络环境系数，分别利用拉格朗日对偶分解法，确定最优的用户关联策略和功率分配策略；S3，将网络环境系数和与各基站相关的最优的用户关联策略和功率分配策略存储为相应基站侧深度神经网络模型的训练集；S4，根据各基站侧的训练集，各基站侧的工作节点采用分布式异步通信方式，训练深度神经网络模型；S5，获取待处理的网络环境系数，将其输入到训练好的深度神经网络模型中进行神经网络计算，输出结果为优化后的用户关联策略和功率分配策略。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京科技大学，未经北京科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910341080.X/，转载请声明来源钻瓜专利网。
