基于符号对齐预编码与贝叶斯空中计算的无线联邦学习
信号处理
2021-09-15 v1 机器学习
摘要
本文中，我们考虑基于符号随机梯度下降（signSGD）算法经由多址信道进行的无线联邦学习问题。当发送本地计算梯度的符号信息时，每个移动设备需要应用预编码以规避无线衰落效应。然而在实践中，所有移动设备均获取完美的信道状态信息（CSI）知识是不可行的。本文中，我们提出一种在有限信道知识下的简单而有效的预编码方法，称为符号对齐预编码。符号对齐预编码的思想是保护符号翻转错误免受无线衰落影响。在局部梯度的高斯先验假设下，我们还推导了称为贝叶斯空中计算（BayAirComp）的均方误差（MSE）最优聚合函数。我们的核心发现是，即便现有预编码方法使用完美 CSI 与 AirComp 聚合，采用 BayAirComp 聚合的一位预编码仍能提供更好的学习性能。
引用
@article{arxiv.2109.06579,
title = {Bayesian AirComp with Sign-Alignment Precoding for Wireless Federated Learning},
author = {Chanho Park and Seunghoon Lee and Namyoon Lee},
journal= {arXiv preprint arXiv:2109.06579},
year = {2021}
}
备注
This paper is 8 pages long, and has 4 figures. This paper is the extended version of the conference paper which is accepted in 2021 IEEE GlobeCom