面向粗量化信号的节能分布式学习算法
机器学习
2021-02-24 v1
摘要
在这项工作中，我们提出了一种使用低分辨率 ADC 和粗量化信号的面向物联网（IoT）网络的节能分布式学习框架。具体地，我们开发了分布式量化感知最小均方（DQA-LMS）算法，该算法能够以节能方式利用少量比特量化的信号学习参数，同时所需计算成本较低。我们还对提出的 DQA-LMS 算法进行了包含稳定性条件的统计分析。仿真在 IoT 设备以对等模式运行的分布式参数估计任务中，将 DQA-LMS 算法与现有技术进行比较，并证明了 DQA-LMS 算法的有效性。
引用
@article{arxiv.2101.04824,
title = {Energy-Efficient Distributed Learning Algorithms for Coarsely Quantized Signals},
author = {A. Danaee and R. C. de Lamare and V. H. Nascimento},
journal= {arXiv preprint arXiv:2101.04824},
year = {2021}
}
备注
5 pages, 4 figures. arXiv admin note: substantial text overlap with arXiv:2012.10939