用于 Wi-Fi AP 负载预测的分布式学习
网络与互联网体系结构
2024-05-09 v1 人工智能
机器学习
摘要
网络日益增长的云化和软件化促进了多个独立管理部署之间的相互作用。这种相互作用的一个吸引人之处在于分布式机器学习（ML），它通过利用集体智慧和计算能力来创建稳健的 ML 模型。在本文中，我们研究了分布式学习的两大基石，即联邦学习（FL）和知识蒸馏（KD），在 Wi-Fi 接入点（AP）负载预测用例中的应用。本文中进行的分析基于一个包含大型 Wi-Fi 校园网络真实测量数据的数据集，我们利用该数据集根据不同策略来训练所研究的 ML 模型。性能评估包括与分布式学习在实际用例中适用性相关的各个方面，包括预测性能、相关的通信开销或能耗。特别是，我们证明了分布式学习可以将预测准确率比集中式 ML 解决方案提高高达 93%，同时将通信开销和能源成本降低 80%。
引用
@article{arxiv.2405.05140,
title = {Distributed Learning for Wi-Fi AP Load Prediction},
author = {Dariush Salami and Francesc Wilhelmi and Lorenzo Galati-Giordano and Mika Kasslin},
journal= {arXiv preprint arXiv:2405.05140},
year = {2024}
}