面向联邦学习的无线信息与能量同步传输
信号处理
2021-07-22 v2 信息论
math.IT
摘要
在物联网中，学习是最为突出的任务之一。本文考虑一种物联网场景，其中联邦学习与模型数据及无线能量的同步传输相结合使用。我们研究了通信轮数与每轮通信时间之间的权衡，同时采集能量以补偿能量消耗。我们通过考虑设备上的本地迭代次数、收发模型更新的时间以及采集足够能量所需的时间，建立并求解了一个优化问题。数值结果表明，针对设备本地迭代优化所采用的最大比传输与零迫零波束赋形显著提升了学习任务的测试精度。此外，在不同能量采集比例下，最大比传输而非零迫零提供了最佳的测试精度与通信轮时间权衡。因此，可以在不耗尽电池的情况下，以较少的通信轮数快速学习模型。
引用
@article{arxiv.2104.12749,
title = {Simultaneous Wireless Information and Power Transfer for Federated Learning},
author = {José Mairton B. da Silva and Konstantinos Ntougias and Ioannis Krikidis and Gábor Fodor and Carlo Fischione},
journal= {arXiv preprint arXiv:2104.12749},
year = {2021}
}
备注
Accepted to appear in the IEEE International Workshop on Signal Processing Advances in Wireless Communications (SPAWC) in Lucca, Italy, Sep. 2021