基于 RIS 的无线个性化联邦学习空中计算赋能
信息论
2024-09-26 v1 信号处理
math.IT
摘要
空中计算(AirComp)将模拟通信与任务导向计算相结合，作为无线网络中高效联邦学习(FL)的关键技术。然而，单一全局共识模型的 AirComp 使 AirFL 无法解决现实 FL 场景中数据异构性的问题（即本地数据集不独立同分布）。本文引入可重构智能表面(RIS)技术，以实现高效个性化 AirFL，缓解数据异构性问题。首先，通过 RIS 相位移配置实现跨不同簇的统计干扰消除。随后，我们从第一阶和第二阶矩的角度分别提出两种个性化聚合方案，涉及功率控制和去噪因子设计，以增强 FL 收敛。数值结果验证了我们所提出方案相对于现有基线的优越性能。
引用
@article{arxiv.2408.12162,
title = {Empowering Over-the-Air Personalized Federated Learning via RIS},
author = {Wei Shi and Jiacheng Yao and Jindan Xu and Wei Xu and Lexi Xu and Chunming Zhao},
journal= {arXiv preprint arXiv:2408.12162},
year = {2024}
}
备注
Accepted by SCIENCE CHINA Information Sciences