基于可重构智能表面的联邦边缘学习无 CSIT 模型聚合
信息论
2024-10-28 v3 机器学习
网络与互联网体系结构
信号处理
math.IT
机器学习
摘要
我们研究联邦边缘学习（FEEL）系统中的空中模型聚合，其中假设发送端信道状态信息（CSIT）不可用。我们利用可重构智能表面（RIS）技术对齐级联信道系数，以实现无 CSIT 的模型聚合。为此，我们在信道对齐约束下通过最小化聚合误差来联合优化 RIS 与接收机。随后，我们针对所得非凸优化问题开发了凸差算法。图像分类的数值实验表明，所提方法能够达到与最先进的基于 CSIT 方案相似的学习精度，证明了我们的方法在应对 CSIT 缺失方面的有效性。
引用
@article{arxiv.2102.10749,
title = {CSIT-Free Model Aggregation for Federated Edge Learning via Reconfigurable Intelligent Surface},
author = {Hang Liu and Xiaojun Yuan and Ying-Jun Angela Zhang},
journal= {arXiv preprint arXiv:2102.10749},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication