研究人员开发了一个名为HEART的新框架，以解决车-边-云协同分层联邦学习（HFL）中多模型训练的挑战。该框架旨在最小化全局训练延迟并确保跨不同任务的资源均衡分配，这是一个复杂的NP-hard问题。HEART采用混合同步-异步聚合规则和涉及进化算法与贪婪法的两阶段方法来进行任务调度和优先级排序。实验表明，HEART在动态VEC-HFL环境中优于现有方法。 AI
影响 这项研究可以提高联网车辆系统中AI模型的训练效率和速度。
排序理由 这是一篇研究论文，详细介绍了一个针对特定AI训练问题的新框架和算法。[lever_c_demoted from research: ic=1 ai=1.0]
- AI
- Genetic Algorithms
- HEART
- Hierarchical Federated Learning
- Internet of Vehicles
- Machine Learning
- Particle Swarm Optimization
- Vehicle-Edge-Cloud
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →