Argus：用于6G空间-空中-地面集成网络上的非凸双层学习的联邦算法
机器学习
2025-05-15 v1
摘要
空间-空中-地面集成网络(SAGIN)最近作为6G网络的核心要素而出现。然而，传统的集中式和同步优化算法不适用于SAGIN，因为其存在基础设施缺失和时变环境。本文旨在开发一种 novel Asynchronous algorithm a.k.a. Argus 来应对SAGIN上的非凸且非光滑的去中心化联邦双层学习问题。该算法允许 networked agents(例如自主空中无人机)在时变网络中异步地解决双层学习问题，从而避免迟缓因素影响整体训练速度。我们对Argus的迭代复杂度、通信复杂度和计算复杂度进行了理论分析。其有效性通过数值实验进一步得到证明。
引用
@article{arxiv.2505.09106,
title = {Argus: Federated Non-convex Bilevel Learning over 6G Space-Air-Ground Integrated Network},
author = {Ya Liu and Kai Yang and Yu Zhu and Keying Yang and Haibo Zhao},
journal= {arXiv preprint arXiv:2505.09106},
year = {2025}
}
备注
17 pages, 11 figures