采用误差反馈一位量化与功率控制的天线联邦边缘学习
信息论
2023-03-21 v1 信号处理
math.IT
摘要
空中联邦边缘学习(Air-FEEL)是一种利用分布于边缘设备的训练数据进行分布式机器学习的通信高效框架。该框架使所有边缘设备能在整个可用带宽上同时传输模型更新,从而实现空中聚合。近期提出了一种一位数字空中聚合(OBDA)方案,其特点为边缘设备处的一位梯度量化和基于多数投票的边缘服务器解码。然而,低分辨率的一位梯度量化减慢了模型收敛并导致性能下降。另一方面,Air-FEEL中由衰落信道引起的聚合误差仍有待解决。为解决这些问题,我们提出了误差反馈一位宽带数字聚合(EFOBDA)与一种优化的功率控制策略。为此,我们首先提供理论分析以评估误差反馈对采用EFOBDA的FL收敛的影响。分析结果表明,通过设置适当的反馈强度,EFOBDA可与无量化的Air-FEEL相媲美,从而提升OBDA的性能。随后,我们在瞬时功率约束下通过最大化收敛速率进一步引入功率控制策略。收敛分析与优化功率控制策略经实验验证,表明所提方案相比无误差反馈或无优化功率控制策略的一位量化方案,在图像分类任务中实现了显著更快的收敛与更高的测试精度。
引用
@article{arxiv.2303.11319,
title = {Over-the-Air Federated Edge Learning with Error-Feedback One-Bit Quantization and Power Control},
author = {Yuding Liu and Dongzhu Liu and Guangxu Zhu and Qingjiang Shi and Caijun Zhong},
journal= {arXiv preprint arXiv:2303.11319},
year = {2023}
}