一种基于Cell-FreemMIMO网络的联邦学习设备端能耗优化方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及无线通信技术领域,尤其涉及一种基于Cell‑FreemMIMO网络的联邦学习设备端能耗优化方法,包括:S0:初始化系统参数,初始化全局模型;S1:服务器分发全局模型给用户设备。本发明在用户训练本地模型的阶段,通过迭代优化用户设备端CPU的工作频率和本地模型的训练精度降低用户设备的本地训练功耗;在用户设备上传模型参数阶段,通过最小化用户设备的最大时延为目标进行功率分配,既抑制了落后者效应,又节约了设备端上行功耗。本发明可以显著降低联邦学习过程中设备端的功耗,不依赖于特定的联邦聚合方法和联邦学习类型,在大部分联邦学习场景中都可以提供良好的能耗优化性能。本发明的实现复杂度低,易于部署,具有很强的实用价值。
《一种基于Cell-FreemMIMO网络的联邦学习设备端能耗优化方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022110736088,当前法律状态为已下证,由南通大学提出申请,发明人为陈晓敏;赵涛涛;孙强,申请日期为2022-09-02,公开(公告)日期为2023-10-03,国际专利分类号(IPC)为 G06F 1/324 (2019.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及无线通信技术领域,尤其涉及一种基于Cell‑FreemMIMO网络的联邦学习设备端能耗优化方法,包括:S0:初始化系统参数,初始化全局模型;S1:服务器分发全局模型给用户设备。本发明在用户训练本地模型的阶段,通过迭代优化用户设备端CPU的工作频率和本地模型的训练精度降低用户设备的本地训练功耗;在用户设备上传模型参数阶段,通过最小化用户设备的最大时延为目标进行功率分配,既抑制了落后者效应,又节约了设备端上行功耗。本发明可以显著降低联邦学习过程中设备端的功耗,不依赖于特定的联邦聚合方法和联邦学习类型,在大部分联邦学习场景中都可以提供良好的能耗优化性能。本发明的实现复杂度低,易于部署,具有很强的实用价值。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
