多小区无线网络中 STAR-RIS 辅助的空中计算垂直联邦学习
信息论
2023-01-16 v1 math.IT
摘要
垂直联邦学习（FL）是新兴 6G 时代分布式人工智能服务的关键使能技术，因为它允许在广泛的物联网设备之间进行安全高效的机器学习协作。然而，当前无线 FL 的研究通常考虑单小区网络中的单一任务，忽略了小区间干扰对学习性能的影响。本文研究了一种在多小区网络中基于空中计算、由同时透射与反射可重构智能表面（STAR-RIS）辅助的垂直 FL 系统，其中 STAR-RIS 部署在小区边缘，以促进不同小区中不同 FL 任务的完成。我们通过理论分析确立了所提系统的收敛性，并引入最优性间隙的帕累托边界来刻画小区间的权衡。基于该分析，我们联合设计了收发波束成形以及 STAR-RIS 的透射与反射系数矩阵，以最小化所有小区的间隙之和。为解决该非凸资源分配问题，我们引入了一种基于逐次凸近似的算法。数值实验表明，与传统方法相比，所提出的 STAR-RIS 辅助垂直 FL 模型及协作资源分配算法在多小区无线网络的上行和下行传输中均实现了显著更低的均方误差，从而提升了垂直 FL 的学习性能。
引用
@article{arxiv.2301.05545,
title = {STAR-RIS Assisted Over-the-Air Vertical Federated Learning in Multi-Cell Wireless Networks},
author = {Xiangyu Zeng and Yijie Mao and Yuanming Shi},
journal= {arXiv preprint arXiv:2301.05545},
year = {2023}
}