通过空地一体化联邦学习赋能边缘智能
网络与互联网体系结构
2024-12-30 v2
摘要
泛在智能已被广泛认为是未来第六代（6G）网络的关键愿景，意味着从核心到边缘（含终端设备）的整个网络均具备智能。然而，实现这一愿景，尤其是边缘智能，极具挑战性，原因在于边缘设备资源受限以及 6G 所设想的泛在覆盖。为赋能边缘智能，本文提出一种称为 AGIFL（空地一体化联邦学习）的新框架，其将空地一体化网络与联邦学习（FL）有机融合。在 AGIFL 中，利用无人机（UAV）等空中节点灵活的按需三维部署，所有节点可通过 FL 协同训练出有效的学习模型。我们还通过案例研究评估了两种不同无人机部署方案对学习性能与网络性能的影响。最后，我们指出了 AGIFL 中若干技术挑战与未来研究方向。
引用
@article{arxiv.2007.13054,
title = {Empowering the Edge Intelligence by Air-Ground Integrated Federated Learning},
author = {Yuben Qu and Chao Dong and Jianchao Zheng and Haipeng Dai and Fan Wu and Song Guo and Alagan Anpalagan},
journal= {arXiv preprint arXiv:2007.13054},
year = {2024}
}
备注
Published on IEEE Network Magazine