基于申威服务器的联邦边缘学习数据队列优化研究

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：王晓博,谷洪峰,陈盛龙

单位：无锡先进技术研究院

摘要：物联网中的联邦边缘学习系统被认为是一种有前景的技术，可以在保证客户端隐私的同时减少计算负担。在联邦边缘学习系统中，联邦边缘的数据队列是有限的，且联邦边缘与客户端之间的信道是时变的。因此，选择合适数量的客户端上传数据以保持数据队列的稳定，同时最大化学习精确度，是一项挑战。为了解决这一问题，通过结合联邦边缘学习系统和信息瓶颈理论，对如何高效使用数据队列进行了研究，提出了一种基于申威服务器的数据队列优化方法。具体来说，采用Lyapunov优化理论确定最优选择客户端数，在学习精确度和队列稳定性之间实现平衡。进一步使用信息瓶颈理论在保持数据队列大小不变的情况下，最大化数据的压缩和存储效率。通过仿真实验对该方法的性能进行了评估，结果表明，所提出的方法优于已知的基准方法，提升了数据的存储和处理能力，为物联网系统的设计与优化提供了新的思路。

关键词：联邦边缘学习;信息瓶颈;数据队列优化;稳定性;精度