公开(公告)号：CN118484301A

公开(公告)日：2024-08-13

申请号：CN202410652241.8

申请日：2024-05-24

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 韦云凯 ,  万子康 ,  肖亦南 ,  冷甦鹏 ,  杨鲲 ,  刘强

IPC: G06F9/50 ,  G06F9/48 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种智能物联网中基于神经网络多级分割学习的训练卸载方法，首先选定存在多个服务器可同时进行计算卸载的场景，将DNN训练任务部署在多个计算服务器上，然后对场景进行建模，构建神经网络多级分割卸载系统，再构建联合优化问题，对无人机轨迹、DNN分割位置和服务时间调度策略进行联合优化，求解优化问题完成基于神经网络多级分割学习的训练卸载。本发明的方法针对在市域地区等已有地面基础通信设施的场景，通过将深度神经网络模型分割成多个部分，并向多个服务器同时进行计算卸载，并同步各设备在训练计算过程中的计算和通信过程，以提高深度学习训练效率并降低系统能耗。

公开(公告)号：CN116909734A

公开(公告)日：2023-10-20

申请号：CN202310856669.X

申请日：2023-07-13

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 韦云凯 ,  万子康 ,  朱佑存 ,  冷甦鹏 ,  杨鲲 ,  刘强

IPC: G06F9/50 ,  G06N3/04 ,  G06N3/084 ,  H04L67/12 ,  H04L67/10 ,  H04B7/185

Abstract: 本发明公开一种物联网中无人机辅助的深度神经网络分割训练技术，应用于基于人工智能的物联网领域，针对缺少地面边缘服务器的物联网场景中资源受限设备难以独立完成深度学习训练任务的问题，本发明将各IoTD的DNN模型从分割位置被分为本地模型和远端模型两部分，不同训练批次的计算和通信过程在流水线运行过程中并行，通过合理地选择DNN分割位置，尽可能减少流水线运行过程中各步骤的空闲时间，达到提高训练效率、减少训练耗时、降低UAV能耗的目标。