我院教师张培颖、硕士生甘鹏在中科院大类分区1区TOP期刊《IEEE Internet of Things Journal》发表题为“Reinforcement Learning for Edge Device Selection using Social Attribute Perception in Industry 4.0”的研究论文。《IEEE Internet of Things Journal》2021年影响因子为10.238，近五年平均影响因子为11.043，为银河电子游戏1331T0期刊。

在5G时代，各行各业的数据孤岛问题制约了人工智能技术的发展，因此提出了数据共享。高质量的数据共享提高了机器学习模型的有效性，但在这个过程中不可避免地会发生数据泄漏和滥用。因此，为了解决这个问题，提出了联合学习。该方法使用多个边缘设备的个性化数据来训练模型。中央服务器收集边缘设备的训练结果并更新全局模型，然后通过边缘设备迭代测试和更新模型。然而，边缘设备可能存在负载不平衡和退出训练过程等问题，这使得模型的训练时间长，效果差。因此，在联合学习过程中，选择可靠和高质量的边缘设备变得至关重要。在此基础上，本文引入强化学习来预先选择边缘设备并获得一组候选设备，然后通过社会属性感知来确定可靠的边缘设备。仿真实验数据分析表明，该方案可以提高联合学习的可靠性，在较短的时间内完成训练过程，联合学习的效率提高了约10.3%。

Pre-selection of edge devices based on reinforcement learning

原文链接：https://ieeexplore.ieee.org/document/9452166