来源：期刊VIP网 时间：
作者：尤泽华;陈琪美;江昊;
单位：武汉大学电子信息学院;
摘要：为了应对边缘计算存在的数据隐私性和高通信延迟问题，提出一种基于联邦学习的半异步分层设备协调调度方案。通过引入联邦学习机制，实现了边缘计算应用下的数据隐私保护。此外，针对传统联邦学习因通信资源短缺导致的用户交互时延过大的问题，设计了一种云、边和终端设备分层通信架构，通过采用云-边半异步通信和边-终端同步通信架构来设计一个联合边缘节点关联和资源分配问题，并提出了一种交替方向乘子法和块坐标更新(alternating direction method of multipliers and block coordinate update, ADMM-BCU)融合算法来找到次优解，最终实现训练准确度和传输延迟之间的均衡。仿真结果证明所提出的协调调度方案能够有效提升系统性能。
关键词：联邦学习;;半异步通信;;资源分配;;节点选择
基金资助：中央高校自主科研项目（编号：2042022gf0019）;; 武汉市知识创新专项基础研究项目（编号：2022020801010110）
