基于深度強化學(xué)習(xí)的邊緣計算資源分配方法

摘要： 邊緣計算的特點使其具有廣闊的軍事應(yīng)用前景。在邊緣計算中引入聯(lián)邦學(xué)習(xí)（federated learning,FL），考慮到物聯(lián)網(wǎng)設(shè)備的資源有限，需要兼顧FL精度和設(shè)備能耗。提出了結(jié)合深度強化學(xué)習(xí)、聯(lián)邦學(xué)習(xí)及自注意力機制的框架（DRL-FLSL）來實現(xiàn)選擇設(shè)備并為其分配資源，目標(biāo)是平衡FL精度和設(shè)備的能耗。該框架引入LSTM(long short term memory)預(yù)測網(wǎng)絡(luò)狀... （共6頁）