针对移动自组织网络中设备性能的异构性和网络拓扑的动态变化,提出了一种面向移动自组织网络的分布式机器学习优化方法(A Distributed Machine Learning Optimization Method for Mobile Adhoc Networks,MOCHA),MOCHA创新性地引入了基...针对移动自组织网络中设备性能的异构性和网络拓扑的动态变化,提出了一种面向移动自组织网络的分布式机器学习优化方法(A Distributed Machine Learning Optimization Method for Mobile Adhoc Networks,MOCHA),MOCHA创新性地引入了基于设备计算能力、电量等性能指标的通信概率机制,并通过目标值子矩阵法完成最优适配,最后以模型参数的传递完成设备间信息的交互。理论分析与试验结果表明,相比传统的分布式学习方法,MOCHA在移动环境下展现出了显著的性能提升优势,为移动分布式机器学习实践提供了新的思路。展开更多
文摘针对移动自组织网络中设备性能的异构性和网络拓扑的动态变化,提出了一种面向移动自组织网络的分布式机器学习优化方法(A Distributed Machine Learning Optimization Method for Mobile Adhoc Networks,MOCHA),MOCHA创新性地引入了基于设备计算能力、电量等性能指标的通信概率机制,并通过目标值子矩阵法完成最优适配,最后以模型参数的传递完成设备间信息的交互。理论分析与试验结果表明,相比传统的分布式学习方法,MOCHA在移动环境下展现出了显著的性能提升优势,为移动分布式机器学习实践提供了新的思路。
