|国家科技期刊平台
| 注册
首页|期刊导航|无线电通信技术|FedEdgent:基于DNN分割的端边云协同联邦学习加速框架

FedEdgent:基于DNN分割的端边云协同联邦学习加速框架

曹绍华 杨雁升 陈辉 吴希文 郑丹阳 张卫山

无线电通信技术2025，Vol.51Issue(6)：P.1306-1316,11.
✕
无线电通信技术2025，Vol.51Issue(6)：P.1306-1316,11.DOI:10.3969/j.issn.1003-3114.2025.06.018

FedEdgent:基于DNN分割的端边云协同联邦学习加速框架

曹绍华 1杨雁升 1陈辉 1吴希文 1郑丹阳 2张卫山1

作者信息

  • 1. 中国石油大学(华东)青岛软件学院、计算机科学与技术学院,山东青岛266580
  • 2. 西南交通大学计算机与人工智能学院,四川成都611756
  • 折叠

摘要

关键词

联邦学习/计算卸载/深度强化学习/神经网络分割

分类

信息技术与安全科学

引用本文复制引用

曹绍华,杨雁升,陈辉,吴希文,郑丹阳,张卫山..FedEdgent:基于DNN分割的端边云协同联邦学习加速框架[J].无线电通信技术,2025,51(6):P.1306-1316,11.

基金项目

山东省自然科学基金(ZR2024MF093)。 （ZR2024MF093）

无线电通信技术

OA北大核心

1003-3114

访问量0
|
下载量0
段落导航相关论文