基于卫星的联邦学习计算网络
信号处理
2021-11-23 v1 机器学习
摘要
在数据驱动应用不断渗透与扩展的驱动下，由人工智能（AI）增强的新一代无线通信——第六代（6G）移动通信系统，已引起广泛研究兴趣。在6G的众多候选技术中，低地球轨道（LEO）卫星具有泛在无线接入的诱人特性。然而，相对于地面移动网络，卫星通信（SatCom）的成本仍然较高。为支持大规模互联设备并具有智能自适应学习能力，同时降低SatCom中昂贵的流量，我们提出在基于LEO的卫星通信网络中采用联邦学习（FL）。我们首先回顾了最先进的基于LEO的SatCom及相关机器学习（ML）技术，进而分析了将ML与卫星网络结合的四种可能方式。所提策略的学习性能通过仿真评估，结果表明基于FL的计算网络改善了通信开销与时延性能。最后，我们讨论了该研究方向未来的课题。
引用
@article{arxiv.2111.10586,
title = {Satellite Based Computing Networks with Federated Learning},
author = {Hao Chen and Ming Xiao and Zhibo Pang},
journal= {arXiv preprint arXiv:2111.10586},
year = {2021}
}