CN113918829B 一种雾计算网络中基于联邦学习的内容缓存和推 荐方法 （江西元聚网络科技有限公司）_第1页
CN113918829B 一种雾计算网络中基于联邦学习的内容缓存和推 荐方法 （江西元聚网络科技有限公司）_第2页
CN113918829B 一种雾计算网络中基于联邦学习的内容缓存和推 荐方法 （江西元聚网络科技有限公司）_第3页
CN113918829B 一种雾计算网络中基于联邦学习的内容缓存和推 荐方法 （江西元聚网络科技有限公司）_第4页
CN113918829B 一种雾计算网络中基于联邦学习的内容缓存和推 荐方法 （江西元聚网络科技有限公司）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种雾计算网络中基于联邦学习的内容缓本发明涉及一种雾计算网络中基于联邦学由于ID端有限的存储资源和固有的用户需求模2在所述S3中，联邦学习FL是一个分布式框架，在用户本地更新34δ2表示高斯白噪声的功率。[0019]其中sc表示为内容c的大小，为保证内容成功获取，接触时间需超过内容传输时IDu和v对内容c有相同的偏[0029]IDs之间接触历史强度也是衡量社交强度的重要因素。t时刻IDs的接触强度表示tx表示IDu和v的接触时间。5+Iu[0043]DNN模型训练的目标是最小化损失函数，即w⃞=argminF(wn).基于训练好的67表示FN覆盖范围内IDs请求内容c的概率。IDu对内容c的偏好表示为qu，c∈[0，1]，且满足xau-l,考虑到活跃级别高的IDs请求内容的频率更高，IDs的活跃级别表示为α={α1，uIDs下次获取内容。8>ku时成为推荐候选项，由此可得初始候选推荐列表，再根据IDu实时行为得到更新的候9-Du)f2f1+f2+f3＝1是可调的超参数，表示γu相关参数的强度权)pu其中[0094]用户先考虑本地是否缓存请求内容，IDu在本地获取内容的时延忽略不计；当u考虑从FNm获取内容c的传输速率和时延分别表示1[0124]步骤207：将邻居用户推荐的内容作为目标ID的输入，ID端根据内容评分缓存内

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论