面向无线联邦边缘学习的基于簇的协作式数字空中聚合
信息论
2020-08-04 v1 机器学习
math.IT
摘要
本文研究一种采用空中计算（AirComp）的无线边缘联邦学习系统。在此系统中，用户通过多址信道并发发送消息以实现快速模型聚合。近来，一种基于数字调制的 AirComp 方案被提出，其特点为用户端采用一位梯度量化和截断信道反转，融合中心（FC）采用基于多数投票的解码器。我们提出一种改进的数字 AirComp 方案以放宽对发射机的要求，其中用户执行相位校正并以全功率发送。为刻画 FC 处的解码失败概率，我们引入归一化检测信噪比（SNR），其可解释为用户的有效参与率。为缓解无线衰落，我们进一步提出一种基于簇的系统，并基于归一化检测 SNR 设计中继选择方案。通过簇内本地数据融合与中继选择，我们的方案可充分利用空间分集来增加有效投票用户数并加速模型收敛。
引用
@article{arxiv.2008.00994,
title = {Cluster-Based Cooperative Digital Over-the-Air Aggregation for Wireless Federated Edge Learning},
author = {Ruichen Jiang and Sheng Zhou},
journal= {arXiv preprint arXiv:2008.00994},
year = {2020}
}