检索结果-维普期刊中文期刊服务平台

结合元学习的去中心化联邦增量学习方法被引量：2: 1; 作者黄楠李冬冬 +1 位作者姚佳王喆《计算机科学》 CSCD 北大核心 2024年第3期271-279,共9页; 针对联邦增量场景中持续学习和数据安全的问题,构建了结合元学习的去中心化联邦增量学习框架。首先,为解决增量场景中持续学习带来的灾难性遗忘问题,提出了结合最近类均值样本回放的增量元学习方法NMR-cMAML,利用元训练对不同任务流的... 展开更多; 关键词去中心化联邦学习数据安全增量学习元学习; 在线阅读下载PDF 职称材料

基于区块链的联邦学习系统方案研究综述: 2; 作者郭思昀李雷孝 +1 位作者杜金泽林浩《计算机工程与应用》北大核心 2025年第15期36-53,共18页; 联邦学习允许多个参与方在保护数据隐私的同时共同训练模型,并广泛应用于如医疗健康、智能城市等诸多领域,为打破“数据孤岛”现象做出了重要贡献。然而,在实际应用中联邦学习存在单点故障、易受恶意攻击和数据隐私泄露等问题。为此,以... 展开更多; 关键词去中心化联邦学习区块链隐私保护激励机制智能合约; 在线阅读下载PDF 职称材料

基于无线D2D网络的分层联邦学习: 3; 作者刘翀赫余官定刘胜利《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第5期892-899,966,共9页; 为了解决在无线网络中部署联邦学习面临的通信资源消耗大和设备计算资源有限的问题,提出一种基于无线设备直通(D2D)网络的分层联邦学习框架.与传统架构不同,模型训练采用分层聚合.该框架通过D2D网络进行簇内聚合,各个簇同时进行去中心... 展开更多; 关键词联邦学习设备直通网络去中心化学习资源分配训练加速; 在线阅读下载PDF 职称材料

基于数字孪生的多自动驾驶车辆分布式协同路径规划算法被引量：1: 4; 作者唐伦戴军 +2 位作者成章超张鸿鹏陈前斌《电子与信息学报》 EI CAS CSCD 北大核心 2024年第6期2525-2532,共8页; 针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心... 展开更多; 关键词数字孪生自动驾驶去中心化联邦强化学习路径规划; 在线阅读下载PDF 职称材料

题名结合元学习的去中心化联邦增量学习方法被引量：2: 1; 作者黄楠李冬冬姚佳王喆; 机构华东理工大学信息科学与工程学院; 出处《计算机科学》 CSCD 北大核心 2024年第3期271-279,共9页; 基金上海市科技计划(21511100800) 国家自然科学基金(62276098)。; 文摘针对联邦增量场景中持续学习和数据安全的问题,构建了结合元学习的去中心化联邦增量学习框架。首先,为解决增量场景中持续学习带来的灾难性遗忘问题,提出了结合最近类均值样本回放的增量元学习方法NMR-cMAML,利用元训练对不同任务流的快速适应进行元更新,得到适用于新旧样本的模型。然后,为解决联邦增量场景中的数据安全问题,设计了基于对等网络架构的去中心化联邦增量学习框架,对等架构中每个客户端采用NMR-cMAML对私有的持续任务流进行增量学习。不同于传统的基于服务器-客户端的中心化架构,该去中心化架构采用客户端间通信的策略,消除了传统中央服务器易被攻击的隐患;同时,在联邦通信过程中,通过共享元学习的模型参数实现客户端间知识的有效迁移。最后在图像数据集(Cifar100和Imagenet50)上进行了不同任务场景的实验,结果表明所提方法能在提高系统的数据安全性的同时提升客户端本地性能。; 关键词去中心化联邦学习数据安全增量学习元学习; Keywords Decentralized federated learning Datasecurity Continual learning Meta learning; 分类号 R318 [医药卫生—生物医学工程] TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于区块链的联邦学习系统方案研究综述: 2; 作者郭思昀李雷孝杜金泽林浩; 机构内蒙古工业大学数据科学与应用学院内蒙古自治区北疆网络空间安全重点实验室内蒙古自治区基于大数据的软件服务工程技术研究中心天津理工大学计算机科学与工程学院; 出处《计算机工程与应用》北大核心 2025年第15期36-53,共18页; 基金国家自然科学基金(62362055) 内蒙古自治区重点研发与成果转化计划项目(2022YFSJ0013,2023YFHH0052) +4 种基金国家重点研发项目(2023YFB2703900)。; 文摘联邦学习允许多个参与方在保护数据隐私的同时共同训练模型,并广泛应用于如医疗健康、智能城市等诸多领域,为打破“数据孤岛”现象做出了重要贡献。然而,在实际应用中联邦学习存在单点故障、易受恶意攻击和数据隐私泄露等问题。为此,以具有去中心化、不可篡改和高透明度特点的区块链技术为联邦学习提供安全的数据交换平台,但集成后的架构仍然存在缺乏有效激励机制、计算存储成本高、缺乏恶意模型检测机制等问题。通过深入调研与探索基于区块链的联邦学习体系的潜力与挑战,从现有的不同框架与技术存在的问题入手,阐述了为提高整个系统的效率、安全性和公平性,对架构中的共识机制、隐私保护方案、网络安全措施、激励机制、安全聚合方法等方面的优化和改进;阐述了智能合约在自动化执行、贡献评估和奖励分配中的关键作用。最后,总结在客户端选择、数据异质化处理、隐私保护、奖励分配和区块链痛点等方面的挑战,并对未来的研究方向进行了展望。; 关键词去中心化联邦学习区块链隐私保护激励机制智能合约; Keywords decentralized federated learning blockchain privacy protection incentive mechanism smart contract; 分类号 TP309.2 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于无线D2D网络的分层联邦学习: 3; 作者刘翀赫余官定刘胜利; 机构浙江大学信息与电子工程学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第5期892-899,966,共9页; 基金国家自然科学基金资助项目(61671407).; 文摘为了解决在无线网络中部署联邦学习面临的通信资源消耗大和设备计算资源有限的问题,提出一种基于无线设备直通(D2D)网络的分层联邦学习框架.与传统架构不同,模型训练采用分层聚合.该框架通过D2D网络进行簇内聚合,各个簇同时进行去中心化训练,从每个簇中选择一个簇头上传模型至服务器进行全局聚合.通过将去中心化学习与分层联邦学习结合,降低了中央节点网络流量.使用D2D网络中节点的度来衡量模型收敛性能,通过最大化所有簇头的度之和,对簇头选择与带宽分配问题进行联合优化,并且设计一种基于动态规划的算法求出最优解.仿真结果表明,与基线算法相比,该框架不仅能够有效地降低全局聚合的频率和减少训练时间,而且能够提高最终训练得到的模型性能.; 关键词联邦学习设备直通网络去中心化学习资源分配训练加速; Keywords federated learning device-to-device communication decentralized learning resource allocation training acceleration; 分类号 TN929 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于数字孪生的多自动驾驶车辆分布式协同路径规划算法被引量：1: 4; 作者唐伦戴军成章超张鸿鹏陈前斌; 机构重庆邮电大学通信与信息工程学院移动通信技术重庆市重点实验室; 出处《电子与信息学报》 EI CAS CSCD 北大核心 2024年第6期2525-2532,共8页; 基金国家自然科学基金(62071078) 川渝联合实施重点研发项目(2021YFQ0053)。; 文摘针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题,并将其转化成马尔可夫决策过程(MDP),使用深度确定性策略梯度算法(DDPG)进行求解;然后使用联邦学习(FL)保证车辆之间的协同合作,针对集中式的FL中存在的全局模型更新质量低的问题,使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题;最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练,利用孪生体可以从DT环境中学习的优点,快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明,与现有的方法相比,所提训练框架可以得到一个较高的奖励,有效地提高了车辆对其本身速度的利用率,与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。; 关键词数字孪生自动驾驶去中心化联邦强化学习路径规划; Keywords Digital Twin(DT) Autonomous driving Decentralized Federated Reinforcement Learning(DFRL) Path planning; 分类号 TN929.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	结合元学习的去中心化联邦增量学习方法	黄楠李冬冬姚佳王喆	《计算机科学》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于区块链的联邦学习系统方案研究综述	郭思昀李雷孝杜金泽林浩	《计算机工程与应用》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于无线D2D网络的分层联邦学习	刘翀赫余官定刘胜利	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
4	基于数字孪生的多自动驾驶车辆分布式协同路径规划算法	唐伦戴军成章超张鸿鹏陈前斌	《电子与信息学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料