基于个性化联邦学习的无线通信流量预测

摘要

提出一种基于分布式的城市全域通信流量预测算法Fed-DenseNet，各个边缘计算服务器在中心服务器的协调下进行协同训练，中心服务器利用KL散度挑选出流量分布相似的区域流量模型，并采用联邦平均算法对具有相似流量分布的区域流量模型的参数进行融合，以较低的复杂度和通信开销实现城市全域流量预测。此外，城市范围内不同地区流量具有高度差异化的特征，为此，在Fed-DenseNet算法基础上，提出基于合作博弈的个性化联邦学习算法p-Fed-DenseNet，将本地区的各个区域性数据特征作为合作博弈的参与者，通过合作博弈的超可加性准则，进行本地区特征的筛选，从而达到既能提高模型的泛化性，又能够保持对本地流量精准刻画的目的。

关键词

云边协同 / 合作博弈 / 联邦学习 / 时空依赖性 / 无线流量预测

基金资助

国家重点研发计划(2019YFC1511400); 中央高校基本科研业务费(2021RC07); 泛网无线通信教育部重点实验室开放基金(KFKT-2020102)