面向毫米波接收功率预测的通信高效多模态分裂学习
网络与互联网体系结构
2020-03-04 v2
摘要
本研究的目标是利用相机图像和射频(RF)信号提高毫米波接收功率预测的精度，同时以通信高效且保护隐私的方式收集图像输入。为此，我们提出了一种分布式多模态机器学习(ML)框架，称为多模态分裂学习(MultSL)，其中大型神经网络(NN)被拆分为两个无线连接的段。上段结合图像和接收功率用于未来的接收功率预测，而下段从相机图像中提取特征并压缩其输出，以降低通信成本和隐私泄露。实验评估证实，MultSL比仅利用图像或RF信号的基线方法达到了更高的精度。值得注意的是，在不牺牲精度的情况下，将下段输出压缩16倍相比不压缩的情况，通信延迟降低16倍，隐私泄露减少2.8%。
引用
@article{arxiv.2003.00645,
title = {Communication-Efficient Multimodal Split Learning for mmWave Received Power Prediction},
author = {Yusuke Koda and Jihong Park and Mehdi Bennis and Koji Yamamoto and Takayuki Nishio and Masahiro Morikura},
journal= {arXiv preprint arXiv:2003.00645},
year = {2020}
}
备注
5 pages, 7 figures, to be published at IEEE Communications Letters