|
|
1.
高速车联网场景下分簇式无线联邦学习算法
王家瑞, 谭国平, 周思源
计算机应用
2021, 41 (6):
1546-1550.
DOI: 10.11772/j.issn.1001-9081.2020121912
现有无线联邦学习框架缺乏对实际的分布式高速车联网（IoV）场景的有效支持。针对该场景下的分布式学习问题，提出了一种基于随机网络拓扑模型的分布式训练算法——分簇式无线联邦学习算法（C-WFLA）。首先，该算法基于高速公路场景下的车辆分布情况设计网络模型；其次，该算法考虑了用户端进行上行数据传输时的路径衰落、瑞利衰落等因素；最后，该算法设计了基于分簇式训练的无线联邦学习方法。利用所提算法对手写体识别模型进行了训练与测试，仿真结果表明：在信道状态较好、用户发射功率受限较小的情况下，传统无线联邦学习算法与C-WFLA在相同的训练条件下损失函数均能收敛至相近的数值，且C-WFLA收敛更快；而在信道状态较差、用户发射功率受限较大的情况下，C-WFLA损失函数收敛值相较于传统的集中式算法可以降低10%~50%。可见，C-WFLA更有助于高速IoV场景下的模型训练。
参考文献 |
相关文章 |
多维度评价
|
|
