发明 基于计算资源逻辑分层的联邦学习通信优化方法及系统 不用公示，不用二次变更 特价
通信技术 深度学习 自然语言处理 大数据 移动终端 云中心 云计算 5G通信 人工智能 计算机软件 【通信技术 深度学习 自然语言处理 大数据 移动终端 云中心 云计算 5G通信 人工智能 计算机软件 】 1人
G06N20/20
摘要：本发明涉及一种基于计算资源逻辑分层的联邦学习通信优化方法及系统，属于联邦机器学习领域，首先，云中心根据所有终端参与设备的本地计算资源大小将其划分为多个计算资源大小均衡的计算簇，并在每个计算簇中筛选一个计算资源最多的终端设备作为簇的Head节点，构建基于“云中心‑Head节点‑终端设备”一体的分层通信架构，实现粗粒度的簇间计算资源均衡。然后，在每个簇中，设计加权平均全局模型更新机制，将混合权重设置为Staleness的函数，使计算资源丰富的终端设备能够与Head节点进行更多轮通信，从而实现簇内协作训练，进而以细粒度的方式对计算资源进行再分配。本发明从本质上解决了联邦学习技术中的高通信代价问题。
