面向工业数字孪生的自适应联邦桶化决策树算法
孙士保1
赵一凡2
赵鹏程3
刘剑锋3
李新4
1.龙门实验室,河南洛阳 471000;河南科技大学信息工程学院,河南洛阳 471023;河南科技大学软件学院,河南洛阳 4710232.河南科技大学信息工程学院,河南洛阳 4710233.河南科技大学软件学院,河南洛阳 4710234.清华大学车辆与运载学院,北京 100084
摘要：工业数字孪生中物理设备与孪生体间精准建模需要同步海量感知数据,导致虚实映射实时性难以保障.针对该问题,提出一种适用于数字孪生的4层双向闭环架构,包含设备层-联邦层-云层-应用层.基于该架构,采用一种基于直方图增益的分布式联邦桶化决策树算法实现全局聚合.此外,设计自适应重分配梯度权重的剪枝算法加速模型收敛.多组实验结果表明,联邦聚合模型相较于基线方法准确率提升10％,11％,22％;收敛性提高15％,20％,27％;并且在最差信道环境下的额外通信开销可控制在300 mJ以内.
关键词：工业物联网数字孪生联邦学习桶化决策树
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(51474095)龙门实验室前沿探索项目(LMQYTSKT034)河南省重点研发与推广专项(科技)项目(252102210158)河南省高等学校重点科研项目(24B520010)
论文发表日期：2025-08-25
在线出版日期：2025-09-16（本平台首次上网日期，不代表文献的发表时间）
页数：12( 53-64 )
英文信息