针对边缘设备协推理的任务导向 over-the-air 计算：Balanced Classification Accuracy

边缘设备协推理是指在无线网络中，边缘设备与边缘服务器协作完成推理任务的技术，这是一种为网络边缘的各种智能服务（例如自动驾驶）提供支持的有前景的技术。在这一范式中，关注的设计目标从传统的通信吞吐量转向以网络为基础，受网络支撑的推理任务的有效性和效率，其执行效果例如以推理准确率和延迟为度量。在本文中，提出了一种用于多设备人工智能系统的任务导向 over-the-air 计算方案。特别地，提出了一种用于分类任务的新型可分析的推理准确率度量指标，称为最小成对判别增益。与先前工作测量特征空间中所有类别对的平均值不同，后者测量所有类别对的最小距离。通过最大化最小成对判别增益而非其平均 counterparts，可以更好地分离特征空间中的任何一对类别，从而导致所有类别的平衡且改进的推理准确率。此外，本文还联合优化所有特征元素的最小判别增益，而非分别最大化每个元素的该值。在结果中，传输功率可以根据其对推理准确率的不同贡献，自适应地分配给特征元素，从而为提高推理性能开辔了一个额外的自由度。通过使用人体运动识别的具体用例进行大量实验，验证了所提出设计相对于基准方案的优越性。