基于加权聚合的 over-the-air 联邦学习
信息论
2024-09-13 v1 人工智能
机器学习
math.IT
摘要
本文引入了一种新的联邦学习方案，利用 over-the-air 计算。该方案的新特点是提出在聚合过程中采用自适应权重，而其他 over-the-air 方案将其视为预定义。这可以在无需传输端侧信道状态信息（CSIT）的情况下，缓解无线信道条件对学习性能的影响。我们提供了一种数学方法，以计算异构性和通用损失函数的背景，推导该方案的收敛界限，并提供设计洞察。因此，我们提出了聚合成本指标和高效算法，以寻找聚合的最优权重。最后，通过数值实验，我们验证了所提方案的有效性。即使面临信道条件和设备异构性的挑战，所提方案在使用 CSIT 的方案提升 15% 精度、而无 CSIT 的方案提升 30% 精度。
引用
@article{arxiv.2409.07822,
title = {Over-the-Air Federated Learning via Weighted Aggregation},
author = {Seyed Mohammad Azimi-Abarghouyi and Leandros Tassiulas},
journal= {arXiv preprint arXiv:2409.07822},
year = {2024}
}