工业物联网中的年龄最优功率分配：一种风险敏感联邦学习方法
网络与互联网体系结构
2021-06-15 v2
摘要
本研究探讨了工业物联网中的一种实时环境监测场景，其中无线传感器主动收集环境数据并将其传输至控制器。我们采用金融数学中的风险敏感概念作为目标，在信息年龄（AoI）阈值违例概率及AoI超过预定义阈值的约束下，联合最小化网络能耗的均值、方差及其他高阶统计量。我们利用极值理论的结果刻画了极端的AoI陈旧度，并通过结合Lyapunov优化与联邦学习（FL）的原理，提出了一种分布式功率分配方法。仿真结果表明，所提出的基于FL的分布式方案与集中式基线性能相当，同时系统能耗降低28.50%，且优于其他基线。
引用
@article{arxiv.2012.06860,
title = {Age-Optimal Power Allocation in Industrial IoT: A Risk-Sensitive Federated Learning Approach},
author = {Yung-Lin Hsu and Chen-Feng Liu and Sumudu Samarakoon and Hung-Yu Wei and Mehdi Bennis},
journal= {arXiv preprint arXiv:2012.06860},
year = {2021}
}
备注
Accepted in IEEE PIMRC 2021 with 6 pages and 8 figures