一种基于联邦学习的移动边缘缓存优化方法
公开
摘要
本发明涉及一种基于有效联邦学习的移动边缘缓存优化方法，属物联网、人工智能领域。该方法考虑单基站范围内用户移动性和内容流行度不断变化的情况，通过预测内容流行度，将请求内容提前放置到边缘缓存来提高缓存命中率。具体利用RWP随机路径点模型得到用户时刻轨迹表模拟用户的移动路径，考虑到本地训练消耗，通过聚类与阈值结合的方式选择参与FL本地训练的用户，用注意力机制控制模型权重进行全局模型聚合，根据得到的全局预测模型，提前将预测的请求内容缓存到服务器来提高缓存命中率。该方法利用联邦学习方法，优化客户端选择和权重聚合，实现有效的联邦学习方法以此减少本地训练消耗，提高缓存命中率。
基本信息
专利标题 ：
一种基于联邦学习的移动边缘缓存优化方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114595632A
申请号 ：
CN202210216109.3
公开（公告）日 ：
2022-06-07
申请日 ：
2022-03-07
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
方娟滕自怡杨会静陆帅冰
申请人 ：
北京工业大学
申请人地址 ：
北京市朝阳区平乐园100号
代理机构 ：
北京思海天达知识产权代理有限公司
代理人 ：
张慧
优先权 ：
CN202210216109.3
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06K9/62 G06F119/02
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
