发射端无信道状态信息下无线边缘的协作机器学习
信息论
2019-07-10 v1 分布式、并行与集群计算
机器学习
math.IT
摘要
我们研究无线协作机器学习（ML），其中移动边缘设备各持自有数据集，在充当参数服务器（PS）的无线接入点协助下，通过空中接口执行分布式随机梯度下降（DSGD）。在 DSGD 算法的每次迭代中，无线设备利用本地数据集计算梯度估计，并通过无线衰落多址信道（MAC）将其发送给 PS。受无线 MAC 可加性的启发，我们提出了一种模拟 DSGD 方案，其中设备以未编码方式发送其梯度估计的缩放版本。我们假设信道状态信息（CSI）仅可用于 PS。我们转而允许 PS 使用多根天线来缓解破坏性衰落效应，由于缺少 CSI，发射端无法消除该效应。理论分析表明，采用所提 DSGD 方案，增加 PS 天线数量可减轻衰落效应，并且在极限情况下，衰落和噪声的影响消失，PS 接收到用于更新模型参数的对齐信号。理论结果随后得到了实验结果的证实。
引用
@article{arxiv.1907.03909,
title = {Collaborative Machine Learning at the Wireless Edge with Blind Transmitters},
author = {Mohammad Mohammadi Amiri and Tolga M. Duman and Deniz Gunduz},
journal= {arXiv preprint arXiv:1907.03909},
year = {2019}
}