联邦学习革新无线网络：综述
机器学习
2025-04-23 v2 网络与互联网体系结构
摘要
如今，随着智能手机、平板与车辆等无线用户设备计算能力的提升，以及对于共享私有数据担忧的加剧，一种称为联邦学习（FL）的新型机器学习模型已然出现。FL 使数据获取与中央单元的计算相分离，这不同于发生在数据中心中的集中式学习。FL 通常用于通信资源有限且不可靠的无线边缘网络。带宽约束使得每轮迭代仅能调度用户设备（UE）子集进行更新，且由于无线媒介共享，传输易受干扰且无法保证。本文讨论了机器学习在无线通信中的重要性，并强调联邦学习（FL）作为一种可能在未来移动网络（尤其是 6G 及更后续）中发挥关键作用的新颖方法。
引用
@article{arxiv.2308.04404,
title = {Revolutionizing Wireless Networks with Federated Learning: A Comprehensive Review},
author = {Sajjad Emdadi Mahdimahalleh},
journal= {arXiv preprint arXiv:2308.04404},
year = {2025}
}