无蜂窝大规模MIMO如何支持多个联邦学习组？
信息论
2021-07-21 v1 机器学习
math.IT
摘要
联邦学习（FL）因其隐私保护和通信高效性，已被视为未来机器学习系统中有前景的学习框架。在超越5G/6G系统中，很可能会出现具有不同学习目的的多个FL组。这一场景引出一个问题：无线网络如何支持多个FL组？作为回答，我们首先提出使用无蜂窝大规模多输入多输出（MIMO）网络，通过让这些FL过程的迭代在大规模相干时间内一起执行，来保证多个FL过程的稳定运行。随后我们开发了一种新颖的方案，在多播下行和传统上行传输协议下异步执行FL过程的迭代。最后，我们提出了一种简单/低复杂度的资源分配算法，该算法最优地选择功率和计算资源，以最小化每个FL过程每次迭代的执行时间。
引用
@article{arxiv.2107.09577,
title = {How Does Cell-Free Massive MIMO Support Multiple Federated Learning Groups?},
author = {Tung T. Vu and Hien Quoc Ngo and Thomas L. Marzetta and Michail Matthaiou},
journal= {arXiv preprint arXiv:2107.09577},
year = {2021}
}
备注
Accepted to appear in Proc. IEEE International Workshop on Signal Processing Advances in Wireless Communications (SPAWC) in Lucca, Italy, Sep. 2021