机构名称：
¥ 1.0
摘要 — 工业物联网 (IoT) 支持随着动态和实时工业环境而变化的分布式智能服务，以实现工业 4.0 的优势。在本文中，我们考虑了一种数字孪生赋能工业物联网的新架构，其中数字孪生捕获工业设备的特征以协助联邦学习。注意到数字孪生可能会带来与设备状态实际值的估计偏差，在联邦学习中提出了一种基于信任的聚合来减轻这种偏差的影响。我们基于 Lyapunov 动态赤字队列和深度强化学习自适应地调整联邦学习的聚合频率，以提高资源约束下的学习性能。为了进一步适应工业物联网的异构性，提出了一种基于聚类的异步联邦学习框架。数值结果表明，所提出的框架在学习准确性、收敛性和节能方面优于基准。
自适应联邦学习和工业数字孪生...
主要关键词
相关文件推荐
