能量收集无线网络上的联邦学习
信息论
2021-06-17 v1 网络与互联网体系结构
math.IT
摘要
本文研究了联邦学习(FL)在能量收集无线网络中的部署,其中基站(BS)采用大规模多输入多输出(massive MIMO)为一组由独立能量收集源供电的用户服务。由于干扰和能量限制,一定数量的用户可能无法参与 FL,因此提出了无线系统中 FL 的联合能量管理与用户调度问题。该问题被表述为一个优化问题,目标是通过优化用户调度来最小化 FL 训练损失。为探究发射功率和调度用户数等因素如何影响训练损失,首先分析了 FL 算法的收敛速率。基于该解析结果,用户调度与能量管理优化问题可被分解、简化并求解。进一步,通过考虑多个基站扩展了系统模型,从而研究了无线系统中 FL 的联合用户关联与调度问题。使用分支定界技术求解最优用户关联问题。仿真结果表明,所提出的用户调度与用户关联算法相比标准 FL 算法可降低训练损失。
引用
@article{arxiv.2106.08809,
title = {Federated Learning over Energy Harvesting Wireless Networks},
author = {Rami Hamdi and Mingzhe Chen and Ahmed Ben Said and Marwa Qaraqe and H. Vincent Poor},
journal= {arXiv preprint arXiv:2106.08809},
year = {2021}
}
备注
To appear in IEEE Internet of Things Journal