【摘 要】
：
针对异质能量约束的集群学习(Swarm Learning,SL)系统中的节点选择问题,提出了一种基于组合多臂赌博机(Combinatorial Multi-Armed Bandit,CMAB)的能量感知的节点选择(Energy Aware Node Selection,EANS)算法.EANS算法考虑了集群学习所在无线网络质量对传输的影响,结合模型训练时延设计基于时延的优化目标,利用CMAB理论将原节点选择问题转化为在线的最小化时延的形式.再结合李雅普诺夫优化(Lyapunov Optimization)
【机 构】
：
北京邮电大学 人工智能学院, 北京 100876;北京邮电大学 人工智能学院, 北京 100876;紫金山实验室, 江苏 南京 211111
论文部分内容阅读
针对异质能量约束的集群学习(Swarm Learning,SL)系统中的节点选择问题,提出了一种基于组合多臂赌博机(Combinatorial Multi-Armed Bandit,CMAB)的能量感知的节点选择(Energy Aware Node Selection,EANS)算法.EANS算法考虑了集群学习所在无线网络质量对传输的影响,结合模型训练时延设计基于时延的优化目标,利用CMAB理论将原节点选择问题转化为在线的最小化时延的形式.再结合李雅普诺夫优化(Lyapunov Optimization)定义能量消耗赤字队列来控制节点的能耗,通过同时最小化时延和能耗实现保证集群学习整体训练效率的同时不违背能量约束.实验结果表明,EANS算法较传统算法有更好的能耗表现.在最坏的情况下,EANS的能耗仅占传统算法的54.6％,且时延性能接近理论的最优算法.
其他文献
提出了一种考虑储能管理并计及源-荷不确定性的主动配电网运行风险评估方法.针对分布式电源出力的概率随机性,根据点估计法将分布式电源的出力离散化,定量描述分布式电源的概率输出.同时,设定电池储能的运行策略,计算储能的输出,结合主动配电网线路、变压器等设备的随机故障考虑故障下高渗透分布式电源所带来的运行风险,构建主动配电网的电量不足期望值(expected energy not supplied,EENS)以及严重度(severity index,SI)2个运行风险评估指标,并利用2m+1点估计法对主动配电网的
三比值法是目前电力系统中发现潜伏性故障行之有效的方法之一,但其存在编码缺码和编码边界过于绝对等不足之处,鉴于此,利用具有噪声的密度聚类(density-based spatial clustering of applications with noise,DBSCAN)算法建立了电力变压器故障诊断模型,将多种故障类型的典型油色谱数据作为模型的输入得到多种故障的典型聚类簇,并用测试数据对其进行验证.结果表明该方法能在一定程度上解决三比值法的缺码问题,诊断出一些三比值法无法诊断的故障情况,填补了三比值法的不足
区别于传统的基于实体单元和基于杆单元的钢芯铝绞线的有限元建模方法,采用了一种高效的基于梁单元的钢芯铝绞线的有限元建模方法.相对于基于实体单元的钢芯铝绞线建模长度(200 mm)的局限,基于梁单元的钢芯铝绞线的有限元建模长度可以大倍数增长;相对于基于杆单元的钢芯铝绞线的有限元建模方法,基于梁单元的建模方法使得在建立较大的1:1钢芯铝绞线有限元模型的同时使同步获得各根股线应力应变等力学参数成为可能.在Solidworks中建立了 1400mm长的钢芯铝绞线的几何模型,将该几何模型导入ABAQUS软件中进行装配
提出了一种虚实映射视触觉感知的方法,该方法以定位基站坐标定位的真实世界模拟设备各操作元件坐标以及状态检测电路为基础,将得到的真实空间设备操作元件的坐标通过空间变换得到虚拟世界坐标和操作元件状态信息,将其映射至虚拟世界虚拟设备并显示,实现了在真实世界操作设备(触觉感知)在虚拟世界虚拟设备显示操作的结果或状态(视觉感知).该方法已应用于电气测试仪校准装置校准实操培训系统,使受训人员在校准实操过程中不仅具有视觉感知而且具有真实的触觉感知,有效提升了真实感和实操培训效果.所提出的方法可广泛应用于电力系统其他专业技
极限学习机(extreme learning machine,ELM)是一种广泛使用的浅层神经网络模型.针对ELM网络模型的优化问题,提出一种前置径向基函数(radial basis function,RBF)核的混合ELM网络模型.通过在原有的ELM网络前增加一个新的RBF映射层用于对原始样本空间进行核映射可以提取原始样本空间的局部特征,以改善原始样本空间的可分性;随后所级联的ELM网络用于RBF核映射空间样本的学习.基准数据集上的实验表明,所提方法将RBF核局部响应能力强的优点以及ELM网络泛化能力强
针对当前群组推荐精度较低等问题,将群组活动推荐转化为排序学习,提出了一种融合多上下文特征信息的贝叶斯群组推荐算法.首先借助线性判断分析文件主题模型,构建用户对活动的兴趣偏好,利用词频-逆文档频率统计算法求取用户对活动的时间偏好,引入密度估计法并结合用户参加活动的频数建立用户对活动位置的偏好概率模型;随后基于贝叶斯个性化排序为所有群组定义统一优化目标;最后根据群组对活动的偏好评分获得活动推荐列表.仿真实验对比表明:与3种单特征群组推荐算法相比,所提出的算法准确率至少提高了 29.51％、召回率至少提高了 3
2021年,我们开启“十四五”,踏上了新征程,向着第二个一百年的奋斗目标迈进.国家空间基础设施建设持续推进,应用体系进一步完善,卫星技术不断进步,通导遥融合加速,广泛进入各行各业,催生出更多的应用场景,卫星应用领域不断扩大,规模应用蓬勃发展.面对卫星应用新模式、新业态、新经济的不断涌现,人们的生产生活方式发生深刻改变.
C-V2X或LTE-V作为车联网(Vehicular Communication Networks,VCN)领域的新兴通信技术,能够有效提高道路安全和交通通信效率.在3GPP发布的R14标准中,引入不依赖于任何蜂窝基础设施的直连通信模式4,在模式4中车辆自主选择和管理其无线电资源.在不结合实际的交通场景的情况下对C-V2X模式4通信性能进行评估,提出了一种多信道传播模型下C-V2X模式4通信性能分析模型,验证了不同传输参数以及不同信号传播信道对性能的影响,试图设计更为完备的分析模型,探索参数的影响并调整参
5G大规模智能机器协同促使社会生产生活方式向安全、 高效、 便捷和绿色演进,但移动终端的有限能量存储将严重制约其协同质量.3GPP研究表明,基站发送节能信号可辅助终端显著降低能源消耗,针对利用有限的时频资源设计节能信号,简单有效地检测节能信号以应对严重的信号间干扰导致检测性能恶化等问题,提出了一种基于多级序列的多用户节能信号检测方法,并通过仿真评估验证了该方法检测性能的优越性.
5G网络是车联网(Internet of Vehicles,IoV)发展的关键一步,其低时延的特点可以实现自动驾驶车辆对前方实时交通信息感知的需求,为预先制动、 提前绕行等驾驶行为提供参考.针对混合交通场景中手动驾驶车辆可能会出现的危险驾驶行为,基于长短时记忆(Long Short-Term Memory,LSTM)网络和无线集群学习框架,提出了一种基于车联网的无线集群智能轨迹预测(Swarm Learning-based Trajectory Prediction,SLTP)算法.SLTP算法以智能网联