无服务器无线联邦学习：架构、算法与分析
信息论
2022-04-19 v1 系统与控制
系统与控制
math.IT
摘要
我们证明仅通过模拟传输与匹配滤波即可实现联邦学习（FL）中边缘服务器的功能。因此，具有大规模分布式用户设备（UEs）的网络可在无边缘服务器的情况下实现大规模 FL。我们还开发了一种训练算法，使 UEs 能够持续执行本地计算而不被全局参数上传打断，从而充分发挥 UEs 处理能力的潜力。我们推导了所提方案的收敛速率以量化其训练效率。分析表明，当干扰服从高斯分布时，所提算法可恢复基于服务器的 FL 的收敛速率。但若干扰分布为重尾，则尾部越重，算法收敛越慢。尽管如此，通过使计算与通信并行，系统运行时间可大幅缩减，而当通信时延较高时该增益尤为显著。这些发现通过大量仿真得到证实。
引用
@article{arxiv.2204.07609,
title = {Server Free Wireless Federated Learning: Architecture, Algorithm, and Analysis},
author = {Howard H. Yang and Zihan Chen and Tony Q. S. Quek},
journal= {arXiv preprint arXiv:2204.07609},
year = {2022}
}