一种基于云边端的联邦学习计算卸载计算系统及方法

摘要

本发明公开了一种基于云边端的联邦学习计算卸载资源分配系统及方法，以实现对计算任务卸载和资源分配做出准确决策，消除了求解组合优化问题的需要，大大降低了计算复杂度；基于云边端3层联邦学习综合利用了边缘节点距离终端的邻近优势，也利用了云计算中芯强大的计算资源，弥补了边缘节点计算资源不足的问题，通过在多个客户端各自训练一个本地模型用以预测卸载任务，通过周期性的在边缘端执行一次参数聚合形成一个全局模型，边缘执行周期性聚合后云端执行一次聚合，如此直到收敛形成一个全局BiLSTM模型，全局模型可以智能的对每一个卸载任务的信息量进行预测，从而更好为计算卸载和资源分配提供指导。