协作式边缘学习中资源共享的激励机制设计
网络与互联网体系结构
2020-06-02 v1 机器学习
摘要
在5G及后续网络中,人工智能应用预计将日益普及。这需要从当前以云为中心的模型训练方式转向基于边缘计算的协作式学习方案,即边缘学习,其中模型训练在网络边缘执行。本文首先介绍协作式边缘学习的原理与技术。随后我们指出,边缘学习的成功且可扩展的实现,需要端设备与边缘服务器的通信、缓存、计算与学习资源(3C-L)被高效联合利用。然而,用户若未获得充分补偿,可能不愿贡献其资源。考虑到边缘节点的异构性(例如可用计算资源方面),我们讨论了为促进边缘学习资源共享而进行的激励机制设计所面临的挑战。此外,我们给出一个案例研究,利用深度学习进行最优拍卖设计,以对贡献用于边缘学习的新鲜数据进行定价。性能评估表明,相较于基准方案,我们所提拍卖具有收益最大化特性。
引用
@article{arxiv.2006.00511,
title = {Incentive Mechanism Design for Resource Sharing in Collaborative Edge Learning},
author = {Wei Yang Bryan Lim and Jer Shyuan Ng and Zehui Xiong and Dusit Niyato and Cyril Leung and Chunyan Miao and Qiang Yang},
journal= {arXiv preprint arXiv:2006.00511},
year = {2020}
}