面向智能物联网的可重构智能表面联邦机器学习
信号处理
2024-10-30 v1 机器学习
网络与互联网体系结构
摘要
随着人工智能与高维数据分析的进步，智能物联网（IoT）将从“连接物”转向“连接智能”，带来变革性影响。这将释放智能 IoT 在自动驾驶汽车、无人机、医疗、机器人与供应链金融等众多令人振奋应用中的全部潜力。这些应用驱动了开发革命性计算、通信与人工智能技术的需求，以利用海量实时数据做出低时延决策。为此，联邦机器学习作为一种颠覆性技术应运而生，在网络边缘从数据中提炼智能，同时保障设备隐私与数据安全。然而，有限通信带宽是无线信道上联邦机器学习模型聚合的关键瓶颈。在本文中，我们将利用多址信道的波形叠加特性，为智能 IoT 网络开发基于空中计算的通信高效联邦机器学习框架。进一步利用可重构智能表面，通过重构无线传播环境增强信号强度，以降低模型聚合误差。
引用
@article{arxiv.2004.05843,
title = {Federated Machine Learning for Intelligent IoT via Reconfigurable Intelligent Surface},
author = {Kai Yang and Yuanming Shi and Yong Zhou and Zhanpeng Yang and Liqun Fu and Wei Chen},
journal= {arXiv preprint arXiv:2004.05843},
year = {2024}
}
备注
This work has been accepted by the IEEE Network Magazine for publication