買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜廣州杰賽科技股份有限公司;廣州杰賽通信規(guī)劃設(shè)計(jì)院有限公司申請的專利一種基于自適應(yīng)任務(wù)調(diào)度的全局感知模型構(gòu)建方法及裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114398160B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-06發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111550535.2，技術(shù)領(lǐng)域涉及：G06F9/48；該發(fā)明授權(quán)一種基于自適應(yīng)任務(wù)調(diào)度的全局感知模型構(gòu)建方法及裝置是由杜翠鳳;蔣仕寶;陳三龍;劉凱旋;張翠霞;宮輝設(shè)計(jì)研發(fā)完成，并于2021-12-17向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于自適應(yīng)任務(wù)調(diào)度的全局感知模型構(gòu)建方法及裝置在說明書摘要公布了：本發(fā)明公開了一種基于自適應(yīng)任務(wù)調(diào)度的全局感知模型構(gòu)建方法及裝置，該方法包括如下步驟：步驟S1，固定采樣時間間隔，隨機(jī)選擇K個服務(wù)器；步驟S2，令K個服務(wù)器節(jié)點(diǎn)構(gòu)建局部模型，利用邊緣節(jié)點(diǎn)的分布式感知技術(shù)，并結(jié)合感知模型的任務(wù)分配方法，實(shí)現(xiàn)感知模型并行訓(xùn)練最小化和訓(xùn)練質(zhì)量不斷迭代校正的自適應(yīng)任務(wù)分配，從而通過自適應(yīng)任務(wù)分配選擇合適的節(jié)點(diǎn)以實(shí)現(xiàn)局部模型的選??；步驟S3，定義一個智能體系統(tǒng)，基于局部模型的訓(xùn)練，采用最大估計(jì)效用的策略來選取執(zhí)行參數(shù)傳輸，通過本地智能體與中心智能體參數(shù)的交互實(shí)現(xiàn)全局模型的構(gòu)建。

本發(fā)明授權(quán)一種基于自適應(yīng)任務(wù)調(diào)度的全局感知模型構(gòu)建方法及裝置在權(quán)利要求書中公布了：1.一種基于自適應(yīng)任務(wù)調(diào)度的全局感知模型構(gòu)建方法，包括如下步驟：步驟S1，固定采樣時間間隔，隨機(jī)選擇K個服務(wù)器；步驟S2，令K個服務(wù)器節(jié)點(diǎn)構(gòu)建K個局部模型，利用邊緣節(jié)點(diǎn)的分布式感知技術(shù)，并結(jié)合感知模型的任務(wù)分配方法，實(shí)現(xiàn)感知模型并行訓(xùn)練最小化和訓(xùn)練質(zhì)量不斷迭代校正的自適應(yīng)任務(wù)分配，從而通過自適應(yīng)任務(wù)分配選擇合適的節(jié)點(diǎn)以實(shí)現(xiàn)局部模型的選??；步驟S3，定義一個智能體系統(tǒng)，基于局部模型的訓(xùn)練，采用最大估計(jì)效用的策略來選取執(zhí)行參數(shù)傳輸，通過本地智能體與中心智能體參數(shù)的交互實(shí)現(xiàn)全局模型的構(gòu)建；其中，所述最大估計(jì)效用的策略包括只傳輸當(dāng)前局部模型中的非冗余參數(shù)以減少傳輸代價以及采用隨機(jī)策略對部分節(jié)點(diǎn)的參數(shù)進(jìn)行覆蓋以保持中心智能體參數(shù)訓(xùn)練的穩(wěn)定性；其中，所述步驟S2包括：步驟S200，令K個服務(wù)器節(jié)點(diǎn)構(gòu)建K個局部模型，并基于所述K個局部模型，采用集成學(xué)習(xí)的方法形成一個初始全局模型；步驟S201，隨機(jī)選取若干樣本分別輸入至所述初始全局模型與所述K個局部模型，基于所述初始全局模型的分析結(jié)果與所述K個局部模型的分析結(jié)果進(jìn)行比對，根據(jù)比對結(jié)果剔除壞模型；其中，所述步驟S201還包括：估計(jì)各服務(wù)器節(jié)點(diǎn)的局部模型的分析結(jié)果的準(zhǔn)確率，如果某個服務(wù)器節(jié)點(diǎn)的局部模型的準(zhǔn)確率小于設(shè)定的準(zhǔn)確率閾值，則剔除該服務(wù)器節(jié)點(diǎn)的局部模型；相反，則保留該服務(wù)器節(jié)點(diǎn)的局部模型；隨機(jī)選取一些樣本，分別輸入所述初始全局模型和局部模型中，如果在多次的測試中，初始全局模型得出的判斷結(jié)果與某個服務(wù)器節(jié)點(diǎn)的局部模型的判斷結(jié)果一致的概率小于設(shè)定的準(zhǔn)確率閾值，則剔除該服務(wù)器節(jié)點(diǎn)的局部模型；相反，則保留該服務(wù)器節(jié)點(diǎn)的局部模型；步驟S202，根據(jù)步驟S201的結(jié)果調(diào)整采樣時間間隔；步驟S203，在T時刻，隨機(jī)選擇n個服務(wù)器節(jié)點(diǎn)，將其放在K個服務(wù)器節(jié)點(diǎn)執(zhí)行感知模型的建模，不斷循環(huán)迭代，實(shí)現(xiàn)每一個時刻服務(wù)器節(jié)點(diǎn)局部模型的輸出；其中，所述步驟S3包括：中心智能體采取行為a0從中選取一個子集，被選取出來的子集記為a0⊙w，其中⊙表示兩個元素乘積，通過廣播將選取出來的子集廣播至本地智能體；第k個被選中的本地智能體的局部模型參數(shù)從wk更新至wk⊕a0⊙w，表示僅僅覆蓋對應(yīng)位置的局部模型參數(shù)，并在覆蓋之后，通過局部模型計(jì)算當(dāng)前數(shù)據(jù)的計(jì)算梯度；其中，⊕用于表示對局部模型參數(shù)進(jìn)行按位置覆蓋更新的操作；本地智能體選擇梯度絕對值較大的子集與中心智能體進(jìn)行交互，如此不斷迭代，實(shí)現(xiàn)全局模型的更新。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣州杰賽科技股份有限公司;廣州杰賽通信規(guī)劃設(shè)計(jì)院有限公司，其通訊地址為：510310 廣東省廣州市海珠區(qū)新港中路381號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。