[发明专利]一种基于深度强化学习的联邦学习客户选择方法在审
| 申请号： | 202310905899.0 | 申请日： | 2023-07-24 |
| 公开（公告）号： | CN116866974A | 公开（公告）日： | 2023-10-10 |
| 发明（设计）人： | 梁乐;彭新雅;金石 | 申请（专利权）人： | 东南大学;网络通信与安全紫金山实验室 |
| 主分类号： | H04W24/06 | 分类号： | H04W24/06;H04W8/18;G06N3/092 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 沈廉 |
| 地址： | 211102 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于深度强化学习的联邦学习客户选择方法：将客户选择问题建模为马尔科夫决策过程，将客户的数据样本数量、数据分布、训练学习效果以及信道情况作为观测的状态空间，设计奖励使得达到设定的学习效果的训练轮数更少，通过双重延时深度确定性策略梯度算法(TD3)动态选择客户设备参与聚合。本发明考虑客户的数据质量以及通信质量的差异性，相比于随机选择以及通信贪婪选择方法更加鲁棒，能够加速模型收敛且达到更好的模型性能。 | ||
| 搜索关键词： | 一种 基于 深度 强化 学习 联邦 客户 选择 方法 | ||
【主权项】：
暂无信息
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东南大学;网络通信与安全紫金山实验室，未经东南大学;网络通信与安全紫金山实验室许可，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/202310905899.0/，转载请声明来源钻瓜专利网。
