在边缘通信以学习
信号处理
2020-09-29 v1 信息论
机器学习
math.IT
摘要
将现代机器学习(ML)技术的成功引入移动设备可以催生许多新服务与业务,但也带来显著的技术与研究挑战。对 ML 算法成功至关重要的两个因素是海量数据和处理能力,二者在网络边缘都十分丰富却又高度分散。此外,边缘设备通过受带宽和功率限制的无线链路连接,这些链路存在噪声、时变和干扰。信息论与编码论为存在信道缺陷时的可靠高效通信奠定了基础,其在现代无线网络中的应用已取得巨大成功。然而,当前的编码与通信方案,与部署在网络边缘的 ML 算法之间存在明显脱节。本文对将这些问题分开处理的当前方法提出挑战,并主张针对边缘学习的训练与推理阶段采用通信与学习联合范式。
引用
@article{arxiv.2009.13269,
title = {Communicate to Learn at the Edge},
author = {Deniz Gunduz and David Burth Kurka and Mikolaj Jankowski and Mohammad Mohammadi Amiri and Emre Ozfatura and Sreejith Sreekumar},
journal= {arXiv preprint arXiv:2009.13269},
year = {2020}
}
备注
13 pages, 5 figures