无线 MIMO 网络中的空中分裂机器学习
机器学习
2022-12-13 v2 人工智能
摘要
在分裂机器学习(ML)中,神经网络(NN)的不同划分部分由不同的计算节点执行,这需要大量的通信开销。为减轻通信负担,空中计算(OAC)可在通信的同时高效地实现全部或部分计算。基于所提出的系统,我们介绍了其在无线网络上的系统实现并给出了问题建模。特别地,我们证明了任意规模的 NN 中层间连接可在数学上分解为一组基于 MIMO 信道的线性预编码与合并变换。因此,每条 MIMO 链路的发送端预编码矩阵与接收端合并矩阵,以及信道矩阵本身,可共同作为 NN 的全连接层。我们还介绍了所提方案向常规 NN 的推广。最后,我们将所提方案扩展到广泛使用的卷积神经网络,并通过全面仿真证明了其在静态与准静态记忆信道条件下的有效性。在此分裂 ML 系统中,预编码与合并矩阵被视为可训练参数,而 MIMO 信道矩阵被视为未知(隐式)参数。
引用
@article{arxiv.2210.04742,
title = {Over-the-Air Split Machine Learning in Wireless MIMO Networks},
author = {Yuzhi Yang and Zhaoyang Zhang and Yuqing Tian and Zhaohui Yang and Chongwen Huang and Caijun Zhong and Kai-Kit Wong},
journal= {arXiv preprint arXiv:2210.04742},
year = {2022}
}
备注
to be pubilshed in IEEE Journal on Selected Areas in Communications, 15 pages, 13 figures, journal paper