【摘 要】
：
第6代(6G)移动通信在满足人类智能通信需求的同时,?也给用户数据的安全与隐私保护带来了极大挑战.为此,基于联邦学习的分布式机器学习架构应运而生.然而,?在联邦的模型训练过程中,?移动设备会产生大量计算和通信开销.自私的移动设备不愿意参与模型训练,?这将降低联邦学习性能.本文基于迭代双边拍卖设计了一种有效的联邦学习资源协作激励机制,?任务计算终端作为卖方,?任务请求终端作为买方,?本地接入点根据买卖双方的出价做出模型训练时延和相应定价决策,?在买卖双方信息非对称情况下最大化联邦学习市场总效用.仿真实验表明
【机 构】
：
广东工业大学 自动化学院,广东 广州 510006;挪威奥斯陆大学 信息学院,奥斯陆 0316
论文部分内容阅读
第6代(6G)移动通信在满足人类智能通信需求的同时,?也给用户数据的安全与隐私保护带来了极大挑战.为此,基于联邦学习的分布式机器学习架构应运而生.然而,?在联邦的模型训练过程中,?移动设备会产生大量计算和通信开销.自私的移动设备不愿意参与模型训练,?这将降低联邦学习性能.本文基于迭代双边拍卖设计了一种有效的联邦学习资源协作激励机制,?任务计算终端作为卖方,?任务请求终端作为买方,?本地接入点根据买卖双方的出价做出模型训练时延和相应定价决策,?在买卖双方信息非对称情况下最大化联邦学习市场总效用.仿真实验表明,?所提机制具有良好的收敛性,?可显著提高联邦学习的准确率,?同时降低训练损失.
其他文献
智能如何产生,?其动力学行为如何演化、如何控制??针对这些问题,?本文从复杂网络和动力学系统的角度简要综述智能控制的相关研究:?讨论复杂网络、动力学系统、神经科学和智能控制交叉研究的内涵和挑战问题;?概述牵制控制、混杂控制、自适应控制及复杂网络可控性等研究进展.并探讨复杂网络动力学与智能控制在脑科学与机器行为学中的相关应用及研究方向.
液压挖掘机是以液压技术为基础的挖掘机设备,被广泛应用于居住建筑工程改造、水利工程改造、交通工程改造等机械施工中,能够进行废弃物处理、地基挖掘等工作,有助于提升工程改造的施工安全性与便利性,促进工程改造的经济效益与施工效率.本文以桥梁工程改造与建筑工程改造为例,分析了两种工程改造场景中普遍存在的问题,并对液压挖掘机的用途与功能作出了简要分析.
本文研究了具有指定收敛速度的线性离散时间系统鲁棒跟踪设计问题.首先利用鲁棒输出调节理论描述了跟踪控制问题,?再结合系统数据与强化学习实现了具有指定收敛速度的跟踪控制.学习得到的控制方案不仅保证了跟踪误差渐近收敛到零,?而且具有针对不确定系统动态的鲁棒性.本文所述的指定收敛速度设计不依赖系统演化时间或精确系统模型,?因此是数据驱动的.
合理、科学、适用的地基加固技术,对于房屋建筑地基基础施工质量与整体安全性具有重要意义,能够保障房屋建筑工程结构安全,提高房屋建筑地基加固施工质量.纵观当下房屋建筑地基基础加固工程施工技术,可从物理加固与化学加固两个维度进行分析,其中在物理加固施工技术层面,包括基坑支护技术、挖孔桩施工技术、固结排水技术、夯实地基处理施工技术等,而化学加固施工技术层面主要包括注浆地基处理施工技术.在这些地基加固施工技术中,不同加固施工技术有着各自的优缺点,且所适用地基加固场地环境也有着不同,比如说固结排水技术适用于处理饱和软
光学相干层析(Optical?Coherence?Tomography,?OCT)作为一种具有微米级分辨率和毫米级量程的层析成像技术,可用于透明/半透明物体(如聚合物材料、陶瓷材料、复合材料等)内部微观结构信息的探测与成像.在结合了相衬方法后,?该技术还可利用干涉信号的相位敏感特性,?实现纳米级位移场与微应变级形变场的高灵敏度测量,?用于材料内部全场力学行为的表征与测试.在近十余年发展中,?相衬OCT已逐渐成为无损检测领域的研究热点,?受到了国际相关学者的广泛关注.本文旨在介绍相衬OCT基本原理及其在检测
为了解决移动机器人在复杂环境中物体抓取规划成功率低以及规划时间长等问题,?本文提出了一种基于环境信息的预处理生成移动机器人停靠位置优化算法.首先对机械臂的工作空间进行分析,?得到抓取难易评价标准,?将环境中目标物、障碍物以及移动底盘位置简化为点,?投影到xy平面上,?根据抓取难易评价标准求出移动机器人优化后的底盘停靠位置;?然后针对机械臂避障问题,?采用快速扩展随机树(Rapidly-exploring?Random?Trees,?RRT)算法实现了机械臂末端及连杆与障碍物的避障;?最后通过仿真和动作捕捉
地球物理流体动力学的计算模型在数据同化和不确定性量化等任务中的计算代价非常大.有人提出了相应的替代模型以寻求减轻计算负担.研究人员已经开始应用人工智能和机器学习算法,?特别是人工神经网络,?针对地球物理流体建立数据驱动的替代模型.神经网络的性能在很大程度上取决于其网络结构设计和超参数的选择(调参).一般情况下,?这些神经网络通过手动调参,?反复试错,?从而最大限度地提高其计算性能.这通常要求对底层神经网络结构以及特定领域问题有专业知识积累和认知.这一局限性可以通过使用进化算法,?自动设计和选择神经网络的最
算力网络(Compute?First?Networking,?CFN)是最新的分布式框架,?可根据计算负载和网络状态为边缘计算智能地分配计算资源.它要求实时了解本地或远程计算资源的可用状态.本文首次提出集中式故障检测协议CFN-Watchdog?(简称为Watchdog),?它可以很好地满足CFN的要求并及时回收故障所占用的资源.然后,?从理论上分析各种参数(如检测阈值、任务处理时间和网络延迟)对Watchdog性能的影响.大量的仿真实验验证了本文提出的协议的有效性和理论模型的准确性.这项研究有助于边缘计
传统的基于主/从的数据处理框架容易受到主节点的单点故障和性能瓶颈的影响.相比之下,?区块链系统采用去中心化的框架,?能够聚合海量的计算资源.提出了一种基于区块链的数据处理框架,?利用区块链的优点来解决中心化框架的缺点.在所提出的框架中,?区块链存储任务信息,?采用的有用工作共识证明共识机制使节点能够使用其计算资源处理任务,?同时竞争领导者(将待处理的任务分派到区块链).模拟表明,?所提出的框架在吞吐量和任务响应时间方面优于集中式框架.
为科学决策和评价驾驶人情绪感知装置的最优化多模态组合方案,?本文基于可拓设计多功能产品创造法,?利用基元理论中的发散分析法分析了情绪感知装置的检测功能,?建立了类物元,并生成具体产品物元模型.分析了单一检测装置包含的3种安装位置间的重组关系,?拓展出一系列重组方案,?再利用优度评价法对其进行筛选.?最终确定了一种有效的多模态驾驶人情绪感知装置的组合方案.