基于扩展联邦学习的电动汽车网络能耗模型
系统与控制
2022-01-26 v2 机器学习
系统与控制
摘要
电动汽车（EV）的兴起促进了生态可持续社会的发展。然而，电动汽车的“里程焦虑”阻碍了其被用户更广泛接受。本文提出一种基于联邦学习模型的里程焦虑新解决方案，该模型能够估计电池消耗并为车辆网络提供节能路线规划。具体而言，新方法以两个组件扩展联邦学习结构：异常检测与共享策略。第一个组件识别模型学习中的阻碍因素，第二个组件在共享对保持学习效率必要时，为车辆网络间的信息共享提供准则。两个组件协作以增强学习对网络中数据异构性的鲁棒性。进行了数值实验，结果表明与所考虑的方案相比，所提方法能在不增加时间复杂度或不传输车辆网络间原始数据的情况下，为异构数据分布下的车辆提供更高精度的电池消耗估计。
引用
@article{arxiv.2111.08472,
title = {An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning},
author = {Shiliang Zhang},
journal= {arXiv preprint arXiv:2111.08472},
year = {2022}
}