具有低分辨率 ADC 与 DAC 的无线边缘盲联邦学习
信息论
2021-03-22 v2 分布式、并行与集群计算
机器学习
math.IT
摘要
我们研究协作式机器学习系统，其中海量数据集分布在独立的工作节点上，这些节点基于自身数据集计算其局部梯度估计。工作节点通过采用正交频分复用的多径衰落多址信道发送其估计，以缓解信道的频率选择性。我们假设工作节点处无信道状态信息（CSI），且参数服务器（PS）采用多根天线来对齐接收信号。为降低功耗与硬件成本，我们分别在发送端与接收端采用复值低分辨率数模转换器（DAC）与模数转换器（ADC），并研究实际低成本 DAC 与 ADC 对学习性能的影响。我们的理论分析表明，由低分辨率 DAC 与 ADC（包括单比特 DAC 与 ADC）引起的损伤并不会阻碍联邦学习算法的收敛，且当 PS 处使用足够数量的天线时多径信道效应消失。我们还通过仿真验证了理论结果，并证明使用低分辨率（甚至单比特）DAC 与 ADC 仅导致学习精度轻微下降。
引用
@article{arxiv.2010.00350,
title = {Blind Federated Learning at the Wireless Edge with Low-Resolution ADC and DAC},
author = {Busra Tegin and Tolga M. Duman},
journal= {arXiv preprint arXiv:2010.00350},
year = {2021}
}
备注
31 pages, 9 figures