基于压缩感知和量化编码的无线联邦学习方法

授权

摘要

本发明涉及一种基于压缩感知和量化编码的无线联邦学习方法，包括：本地提供数据进行训练；读取训练后的模型数据；按比例增加上一轮记录稀疏化误差；对模型稀疏化；记录本轮稀疏化误差；压缩编码；量化编码；传输；量化解码；信号重构；服务器更新模型；将新的全局模型下发给用户端进行一轮新的训练。本发明通过手动稀疏化的方式，引入压缩感知和量化编码，减少模型数据的信息量，使之成为更容易传输的类型，在信源处减少了传输数据的信息量，减少了对发射功率、信道带宽的要求，降低了模型训练的成本，一定程度上提高了模型更新的效率，加快了最终模型完成的速度。

基本信息

专利标题：

基于压缩感知和量化编码的无线联邦学习方法

专利标题（英）：

暂无

公开（公告）号：

CN111901829A

申请号：

CN202010661373.9

公开（公告）日：

2020-11-06

申请日：

2020-07-10

授权号：

CN111901829B

授权日：

2022-05-10

发明人：

叶佳勇谭国平周思源王家瑞章振宇任勇

申请人：

江苏智能交通及智能驾驶研究院;中睿智能交通技术有限公司

申请人地址：

江苏省南京市玄武区中山路18号德基广场二期2101

代理机构：

常州品益专利代理事务所(普通合伙)

代理人：

张岳

优先权：

CN202010661373.9

主分类号：

H04W28/06

IPC分类号：

H04W28/06 H04L1/00 G06N20/00