25、物联网与智慧城市中的无线网状网络技术解析

物联网与智慧城市中的无线网状网络技术解析

1. 联邦学习在物联网中的应用

1.1 本地联邦学习模型概率计算

在物联网场景下，可使用公式（10.41）和（10.43）来计算第 (m) 个用户的本地联邦学习（FL）模型在时间 (t) 被用于生成全局 FL 模型的概率 (P_{m,t})，公式如下：
[P_{m,t} = \sum_{k = 1}^{5} p_{k,m,t} \mathbb{1}_{ {\omega_m}}]

1.2 本地 FL 模型更新

依据公式（10.43）和（10.44），利用全梯度下降法更新本地 FL 模型，得到：
[w_{m,t + 1} = W - \eta \frac{1}{N_m} \sum_{k = 1}^{N_m} \nabla f(W, x_{k,m}, y_{k,m})]
其中，(\eta) 是学习率，(\nabla f(W, x_{k,m}, y_{k,m})) 是 (f(W, x_{k,m}, y_{k,m})) 关于 (W) 的梯度。

1.3 全局 FL 模型更新

将上传的本地 FL 模型发送回网关以更新全局 FL 模型，公式为：
[W’ = \frac{\sum_{m = 1}^{M} N_m w_{m,t + 1} \mathbb{1} { {\omega_m}}}{\sum {m = 1}^{M} N_m \mathbb{1}_{ {\omega_m}}}]
更新后的全局 FL 模型会重新分发给用户设备。

1.4 F