可拼接分割学习模型

设备不稳仍高效

通过可拼接神经网络实现的多无人机系统协同学习，解决设备不稳定和模型异构问题。

Tingkai, Sun · Wang, Xiaoyan · Ye, Xiucai · 韩彪

IEEE Open Journal of the Computer Society 2024

技术优势

设备中途掉线不影响训练

模型由可拼接的多个子网络组成，无人机持有的子网络退出后，剩余子网络仍可继续协同训练，无需从头开始。

适配异构模型

不同无人机可持有不同大小的子网络，通过拼接点共享信息，系统不受制于统一模型结构。

比现有方法收敛更快

与集中式学习、联邦学习、传统分割学习和SplitFed V1相比，所提方案在仿真中表现出更优的性能，说明迭代效率更高。

应用场景

• 无人机集群协同：让无人机群在通信不可靠时仍能完成协同学习任务。
• 边缘智能：把训练拆到边缘设备上，端侧只需承担部分网络计算，不必依赖云端。
• 群体机器人：支持异构机器人群体用不同模型结构参与同一训练任务。