LEARNING开放获取
基于节能无人机通信的个性化联邦学习
Shiqian Guo, Jianqing Liu, Beatriz Lorenzo
2026
摘要
本文提出了一种针对无人机辅助联邦学习的个性化方案,通过分离全局骨干网络和本地个性化头部来缓解数据异构性,并设计了一种基于梯度范数的调度策略以提升能效和学习性能。仿真结果表明,该方法在通信和能量受限条件下实现了更高的学习精度。
关键词
federated learningUAV communicationsenergy efficiencypersonalizationgradient scheduling
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026