- 1、本文档共9页,其中可免费阅读8页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种多层联邦深度强化学习的车辆边缘协作缓存方法。该方法利用联邦学习,框架分布式地训练基于深度强化学习的车辆边缘协作缓存算法。具体地,通过动态感知内容的受欢迎程度,利用DRL中的DDQN算法获得最优协作缓存策略,从而降低内容传输延迟和响应时间。联邦学习的训练方式使得用户数据保存在用户本地进行训练而不必上传到RSU,有力保护了用户隐私。同时,在此基础上提出多级聚合的概念,通过设计的全局聚合器能够更好地感知全局内容流行度的变化,加快了模型的收敛速度。
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 113055488 B
(45)授权公告日 2022.04.08
(21)申请号 202110307403.0 H04L 67/10 (2022.01)
文档评论(0)