节能的多编排器移动边缘学习
网络与互联网体系结构
2021-09-03 v1 人工智能
计算复杂性
机器学习
摘要
移动边缘学习(MEL)是一种协作学习范式,其特征是机器学习(ML)模型在边缘设备(例如 IoT 设备)上的分布式训练。在 MEL 中,可能出现具有不同数据集的多个学习任务共存的情况。边缘设备能力的异构性将需要对学习者-编排器关联与任务分配进行联合优化。为此,我们旨在开发一个节能的学习者-编排器关联与学习任务分配框架,其中每个编排器根据其通信信道质量与计算资源,与一组具有相同学习任务的学习者关联,并相应分配任务。其中,我们制定了一个多目标优化问题,以最小化总能耗并最大化学习任务精度。然而,求解此类优化问题需要集中化且单一实体掌握整体环境信息,这在大规模系统中变得不切实际。为降低求解复杂度并实现求解去中心化,我们提出了轻量级启发式算法,其可达到近最优性能,并便利能耗、精度与求解复杂度之间的权衡。仿真结果表明,与近期最先进方法相比,所提方法在执行多学习任务时显著降低了能耗。
引用
@article{arxiv.2109.00757,
title = {Energy-Efficient Multi-Orchestrator Mobile Edge Learning},
author = {Mhd Saria Allahham and Sameh Sorour and Amr Mohamed and Aiman Erbad and Mohsen Guizani},
journal= {arXiv preprint arXiv:2109.00757},
year = {2021}
}