基于边缘计算的环境监测自适应联邦学习算法
文档名：基于边缘计算的环境监测自适应联邦学习算法
摘要：针对环境监测领域边缘设备资源不平衡、通信延迟以及模型质量不高的问题,本文提出一种基于边缘计算的环境监测自适应联邦学习算法.该算法旨在利用边缘设备进行数据处理,并根据各个设备的资源限制调整全局模型的聚合频率,以更好地适应不同的监测环境.通过考虑边缘设备之间的资源差异,算法采用了动态优化迭代频率的策略,以提升模型的训练效果.与传统的固定迭代频率相比,该算法的调整策略更加灵活,能够更好地适应不同的数据分布和参与方特征.通过大量实验评估,并利用与同类算法CNN-FL(ConvolutionalNeuralNetworks-FederatedLearning),FedAvg(FederatedAveraging)和HFEL(HierarchicalFederatedEdgeLearning)的比较,本文提出的算法在算法性能和经济成本方面具有显著优势,这种算法为环境监测提供了一种高效、安全和可扩展的数据分析和模型建立方法,有助于推动环境监测能力的提升.
Abstract：Aimingattheproblemsofunbalancededgedeviceresources,communicationdelayandlowmodelqualityinthefieldofenvironmentalmonitoring,thispaperproposesanadaptivefederatedlearningalgorithmforenvironmentalmonitoringbasedonedgecomputing.Thisalgorithmaimstouseedgedevicesfordataprocessing,andaccordingtoeachtheresourcelimitationofthedeviceadjuststheaggregationfrequencyoftheglobalmodeltobetteradapttodifferentmoni-toringenvironments.Byconsideringtheresourcedifferencesbetweenedgedevices,thealgorithmadoptsastrategyofdy-namicallyoptimizingtheiterationfrequencytoimprovethetrainingeffectofthemodel.Comparedwiththetraditionalfixediterationfrequency,theadjustmentstrategyofthisalgorithmismoreflexibleandcanbetteradapttodifferentdatadis-tributionandparticipantcharacteristics.Throughalargenumberofexperimentalevaluations,andusingthesamealgorithmconvolutionalneuralnetworks-federatedlearning(CNN-FL),federatedaveraging(FedAvg)andhierarchicalfederatededgelearning(HFEL),thealgorithmproposedinthispaperhassignificantadvantagesinalgorithmperformanceandeconomiccost.Thisalgorithmprovidesanefficient,safeandreliablemethodforenvironmentalmonitoring.Expandedapproachtodataanalysisandmodelingtohelpdriveimprovementsinenvironmentalmonitoringcapabilities.
作者：蒋伟进 韩裕清 吴玉庭 周为 陈艺琳 王海娟 Author：JIANGWei-jin HANYu-qing WUYu-ting ZHOUWei CHENYi-lin WANGHai-juan
作者单位：湖南工商大学计算机学院,湖南长沙410205;武汉理工大学计算机与人工智能学院,湖北武汉430070;湘江实验室,湖南长沙410205湖南工商大学计算机学院,湖南长沙410205;湘江实验室,湖南长沙410205湘江实验室,湖南长沙410205;湖南工商大学前沿交叉学院,湖南长沙410205
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(11)
分类号：TP301
关键词：环境监测自适应联邦学习边缘计算模型聚合优化算法
Keywords：environmentalmonitoringadaptivefederatedlearningedgecomputingmodelpolymerizationoptimi-zationalgorithm
机标分类号：TP302G43R338.1
在线出版日期：2024年2月1日
基金项目：基于边缘计算的环境监测自适应联邦学习算法[
期刊论文]电子学报--2023, 51(11)蒋伟进韩裕清吴玉庭周为陈艺琳王海娟针对环境监测领域边缘设备资源不平衡、通信延迟以及模型质量不高的问题,本文提出一种基于边缘计算的环境监测自适应联邦学习算法.该算法旨在利用边缘设备进行数据处理,并根据各个设备的资源限制调整全局模型的聚合频率,...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于边缘计算的环境监测自适应联邦学习算法Federated Learning Scheme for Environmental Monitoring Based on Edge Computing
基于边缘计算的环境监测自适应联邦学习算法.pdf
页:
[1]