SensorDrop：一种用于边缘端通信开销削减的强化学习框架
网络与互联网体系结构
2019-10-04 v1 机器学习
信号处理
摘要
在物联网解决方案中，通常期望从大量分布式物联网传感器在云端中心节点收集数据以作进一步处理。此类方案的主要设计挑战之一是传感器与中心节点间的高通信开销（尤其对于多媒体数据）。本文旨在降低通信开销，并提出一种能够确定哪些传感器应向中心节点发送数据、哪些应丢弃数据的方法。其思想是某些传感器的数据可能与其他传感器相关，而某些数据对中心节点所执行的操作并非必需。由于此类决策依赖于应用且可能随时间变化，应在系统运行期间学习得到；为此，我们提出一种基于优势 actor-critic (A2C) 强化学习的方法，其逐步学习哪些传感器的数据发送至中心节点具有成本效益。所提方法已在多视角多摄像头数据集上评估，我们观察到通信开销显著减少，而目标分类精度仅有微小下降。
引用
@article{arxiv.1910.01601,
title = {SensorDrop: A Reinforcement Learning Framework for Communication Overhead Reduction on the Edge},
author = {Pooya Khandel and Amir Hossein Rassafi and Vahid Pourahmadi and Saeed Sharifian and Rong Zheng},
journal= {arXiv preprint arXiv:1910.01601},
year = {2019}
}
备注
8 pages, 9 figures, Submitted