基于个性化可重构智能表面的个性化空中联邦学习
信息论
2024-01-23 v1 机器学习
math.IT
摘要
空中联邦学习（OTA-FL）通过利用无线信道固有的叠加特性，实现了带宽高效的学习。个性化联邦学习平衡了具有不同数据集用户的性能，解决了现实生活中的数据异质性问题。我们提出了首个通过多任务学习实现的个性化OTA-FL方案，该方案由每个用户的个人可重构智能表面（RIS）辅助。我们采用跨层方法，在具有不完美信道状态信息的时变信道中，利用多任务学习处理非独立同分布数据，优化全局和个性化任务的通信与计算资源。我们提出的PROAR-PFed算法自适应地设计功率、本地迭代次数和RIS配置。我们给出了非凸目标的收敛性分析，并证明PROAR-PFed在Fashion-MNIST数据集上优于现有最优方法。
引用
@article{arxiv.2401.12149,
title = {Personalized Over-the-Air Federated Learning with Personalized Reconfigurable Intelligent Surfaces},
author = {Jiayu Mao and Aylin Yener},
journal= {arXiv preprint arXiv:2401.12149},
year = {2024}
}
备注
Copyright 2024 IEEE. Published in ICASSP 2024, 14-19 April, Seoul, Korea. Personal use of this material is permitted. However, permission to reprint/republish this material for advertising or promotional purposes or for creating new collective works for resale or redistribution to servers or lists, or to reuse any copyrighted component of this work in other works, must be obtained from the IEEE