“陶云蔚”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]雾无线接入网中基于联邦贝叶斯学习的流行度预测方法-CN202210771115.5在审
发明人： 陶云蔚;张敏;王志恒;张玲玲;陈世泽;蒋雁翔 -专利权人：东南大学
申请日： 2022-06-30 - 公布日： 2022-09-20 - 主分类号： G06F16/957 文献下载
摘要：本发明公开了一种雾无线接入网中基于联邦贝叶斯学习的流行度预测方法，包含如下步骤：1、根据对内容请求的先验知识，构建内容请求到达概率模型；2、根据训练数据，每个设备利用随机方差减小梯度对模型梯度进行更新；3、对更新后的梯度进行量化、编码后传输到服务器端；4、服务器端进行梯度聚合，并按照哈密顿蒙特卡洛方法进行采样；5、对存在于内容库中的内容和不存在于内容库中的内容分别做流行度预测。本发明有效地利用多个边缘节点的计算资源和本地数据集，高效地训练全局模型。本发明还采用了基于量化、编码的联邦贝叶斯学习，在精度和通信开销之间达到有效权衡，同时可以加速收敛速度，减少预测误差。
无线接入基于联邦贝叶斯学习流行预测方法

[发明专利]雾无线接入网中基于联邦强化学习的计算卸载方法-CN202210551356.9在审
发明人：张玲玲;张敏;陶云蔚;陈颖琦;鹿奕;蒋雁翔 -专利权人：东南大学
申请日： 2022-05-18 - 公布日： 2022-08-30 - 主分类号： H04W16/10 文献下载
摘要：本发明公开了一种雾无线接入网中基于联邦强化学习的计算卸载方法，包括：1、初始化云中心的模型权重参数并分发给各雾节点，初始化模型训练周期和训练步数；2、每个雾节点接收用户的卸载请求，作出卸载决策与资源分配动作；3、各雾节点下的用户执行卸载决策，计算相应的时延与能耗，得到奖励与下一状态并存储在回放缓存中；4、雾节点从回放缓存中随机采样，更新网络模型参数；5、一个训练周期结束后，对各个雾节点的模型权重参数进行联合更新，进入下一个周期。本发明降低用户任务执行的时延与能耗，降低计算复杂度与系统开销，更好地保护用户数据隐私。
无线接入基于联邦强化学习计算卸载方法

[发明专利]雾无线接入网中基于量化的联邦强化学习的协作缓存方法-CN202210519737.9在审
发明人：张敏;陶云蔚;张玲玲;常琦;鹿奕;蒋雁翔 -专利权人：东南大学
申请日： 2022-05-12 - 公布日： 2022-08-16 - 主分类号： H04W28/14 文献下载
摘要：本发明公开了一种雾无线接入网中基于量化的联邦强化学习的协作缓存方法，包括：1、根据全局内容流行度来初始化缓存节点的本地缓存内容，初始化缓存节点的本地模型权重参数，单个周期内的本地模型迭代次数和总的模型训练周期；2、每一个缓存节点根据接收到的用户请求信息进行内容缓存决策和本地模型训练；3、计算缓存命中率和用户请求延迟；4、一个训练周期结束时，对每一个缓存节点的本地模型进行网络剪枝；5、对本地模型更新量进行量化压缩和权值共享处理；6、将本地模型更新量上传到云中心进行全局模型聚合得到全局模型，再将全局模型分发给每一个缓存节点，进入下一个训练周期。本发明提高缓存命中率，降低网络负载压力。
无线接入基于量化联邦强化学习协作缓存方法

[发明专利]雾无线接入网中基于贝叶斯学习的内容流行度预测方法-CN202110634698.2在审
发明人：蒋雁翔;陶云蔚 -专利权人：东南大学
申请日： 2021-06-08 - 公布日： 2021-09-10 - 主分类号： H04L12/24 文献下载
摘要：本发明公开了一种雾无线接入网中基于贝叶斯学习的内容流行度预测方法，包含如下步骤：1、根据对内容请求的先验知识，构建内容请求到达概率模型；2、记录目前内容库里已有内容的每个历史时隙的请求数量及对应内容特征向量；3、根据统计数据，通过贝叶斯方法计算获得非归一化的参数后验分布函数；4、利用基于随机方差减小梯度的哈密顿蒙特卡洛方法对非归一化的后验分布进行采样；5、对存在于内容库中的内容和不存在于内容库中的内容分别做下一时隙的流行度预测。本发明可以使边缘节点仅需要较少的统计数据就可以预测内容流行度，同时避免了过拟合现象，保持较低的预测误差。
无线接入基于贝叶斯学习内容流行预测方法