多编排器移动边缘学习中的学习者激励：一种Stackelberg博弈方法
网络与互联网体系结构
2022-01-03 v3 人工智能
分布式、并行与集群计算
计算机科学与博弈论
摘要
移动边缘学习（MEL）是一种在异构边缘设备（如物联网设备）上实现机器学习模型分布式训练的范式。多编排器MEL指的是具有不同数据集的多个学习任务共存，每个任务由一个编排器管理以促进分布式训练过程。在MEL中，若缺乏足够的训练数据或计算资源，训练性能会下降。因此，激励边缘设备成为学习者并提供其计算资源，以及要么提供其私有数据、要么从编排器接收所需数据并参与学习任务的训练过程，至关重要。在这项工作中，我们提出了一种激励机制，将编排器与学习者的交互建模为两轮Stackelberg博弈以激励学习者的参与。在第一轮中，学习者决定参与哪个学习任务，然后在第二轮中决定训练参数以及参与情况下用于训练的数据量，以最大化其效用。随后我们对训练轮次进行解析研究，推导出学习者的最优策略。最后，通过数值实验评估所提激励机制的性能。
引用
@article{arxiv.2109.12409,
title = {Motivating Learners in Multi-Orchestrator Mobile Edge Learning: A Stackelberg Game Approach},
author = {Mhd Saria Allahham and Sameh Sorour and Amr Mohamed and Aiman Erbad and Mohsen Guizani},
journal= {arXiv preprint arXiv:2109.12409},
year = {2022}
}