排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
提出了一种新型的室内密集立体覆盖的计算通信一体化架构,通过挖掘信道计算、容量计算以及网络资源优化计算之间的内在联系,并利用基于云计算和雾计算的密集分布式接入网络的优势,该架构完成了计算电磁学、计算信息论与大规模优化理论到计算通信理论的深度融合.介绍了该架构的实现方法,即以密集异构分布式无线接入网络作为通信接入网络基础架构,利用分布式的计算资源结合计算电磁学理论实现并行化的信道计算,据此进一步依据计算信息论实现容量计算,并基于大规模优化理论完成多用户的网络资源优化计算,最终实现由传播环境到信道容量与资源分配的计算通信. 相似文献
2.
联邦学习可以在保护数据隐私的同时,快速地从大量分布式数据中提炼智能模型,已经成为实现边缘人工智能的主流解决方案。然而,现有的联邦学习工作聚焦于在无线网络边缘部署传统的深度神经网络(如卷积神经网络等),给移动设备带来了巨大的计算负载和能量消耗。因此,提出将一种新的低消耗神经网络——脉冲神经网络,应用于联邦边缘学习中。相较于传统的深度神经网络,它训练所需的计算量和能量消耗更低。同时,为了减少通信开销,在每一轮的联邦学习训练中,提出利用空中计算技术来聚合所有局部模型的参数。整个问题是一个二次约束二次规划问题,为解决该问题,提出了一种基于分枝定界算法的算法。通过在CIFAR10数据集上的大量实验表明,该算法优于现有方法,如半正定松弛等。 相似文献
3.
1