计算机应用

作者：王家瑞, 谭国平, 周思源

单位：1. 河海大学 计算机与信息学院 南京 211100;2. 江苏智能交通及智能驾驶研究院 南京 210019

关键词：无线联邦学习,随机拓扑,车联网,分布式学习,分簇算法

基金：国家自然科学基金资助项目（61701168，61832005，61571303）；中国博士后科学基金资助项目（2019M651546）；江苏省交通技术改造项目（2018Y45）。

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。

来源：2021年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第6期