基于联邦蒸馏的物联网网络室内定位
信号处理
2022-10-12 v2 机器学习
网络与互联网体系结构
摘要
联邦蒸馏(FD)范式近来被提出作为联邦学习(FL)的一种有前景的替代方案，尤其在通信资源受限的无线传感器网络中。然而，现有最先进的FD算法仅针对分类任务设计，对回归任务的关注较少。在本工作中，我们提出了一种适用于回归学习问题的FD框架。随后，我们通过提出一种室内定位系统给出了一个用例实现，与基于联邦学习(FL)的室内定位相比，该系统在通信负载与精度之间表现出良好的权衡。借助我们所提出的框架，我们将传输比特数减少了多达98%。此外，我们表明所提框架比FL具有更强的可扩展性，因而更有可能应对无线网络的扩展。
引用
@article{arxiv.2205.11440,
title = {Federated Distillation based Indoor Localization for IoT Networks},
author = {Yaya Etiabi and Marwa Chafii and El Mehdi Amhoud},
journal= {arXiv preprint arXiv:2205.11440},
year = {2022}
}