基于平衡数系的空中计算用于联邦边缘学习
信息论
2023-09-27 v3 人工智能
信号处理
math.IT
摘要
在本研究中，我们提出一种数字空中计算（OAC）方案，用于实现联邦边缘学习（FEEL）中的连续值（模拟）聚合。我们表明，一组实值参数的平均值可通过使用对应数符的平均值来近似计算，其中数符基于平衡数系获得。利用这一关键性质，所提方案将局部随机梯度编码为一组数符。接着，其利用数符的值确定激活的正交频分复用（OFDM）子载波的位置。为消除对精确采样级时间同步、信道估计开销和信道求逆的需求，所提方案还在边缘服务器（ES）处使用非相干接收机，且不在边缘设备（EDs）处使用预均衡。我们从理论上分析了所提方案的 MSE 性能以及非凸损失函数的收敛速率。为提升采用所提方案的 FEEL 的测试精度，我们引入自适应绝对最大值（AAM）的概念。数值结果表明，当所提方案与 AAM 一同用于 FEEL 时，在异构数据分布下测试精度可达 98%。
引用
@article{arxiv.2210.07012,
title = {Over-the-Air Computation Based on Balanced Number Systems for Federated Edge Learning},
author = {Alphan Sahin},
journal= {arXiv preprint arXiv:2210.07012},
year = {2023}
}
备注
Accepted for publication in IEEE Transactions on Wireless Communications. arXiv admin note: substantial text overlap with arXiv:2209.11004