面向多设备边缘 AI 的任务导向型空中计算
信息论
2022-11-03 v1 人工智能
机器学习
信号处理
math.IT
摘要
偏离以数据为中心设计的经典范式，支持边缘 AI 的 6G 网络具有任务导向型技术特征，聚焦于 AI 任务的有效且高效执行。以端到端系统性能为目标，此类技术颇为复杂，因其旨在无缝集成感知（数据采集）、通信（数据传输）与计算（数据处理）。与这一范式转变相一致，本文针对多设备拆分推理系统提出了一种任务导向型空中计算（AirComp）方案。在所考虑系统中，从设备端实时含噪感知数据中提取的局部特征向量，通过利用多用户信道中的波形叠加进行空中聚合。随后服务器接收到的聚合特征被输入推理模型，其结果用于决策制定或执行器控制。为设计面向推理的 AirComp，联合优化边缘设备端的发射预编码器与边缘服务器端的接收波束成形，以抑制聚合误差并最大化推理精度。通过使用称为判别增益的替代度量来衡量推理精度，该问题得以可解，判别增益度量了在对象/事件分类应用中两类对象的可分辨性。研究发现，在通用 AirComp 中针对无噪情况最小化均方误差的传统 AirComp 波束成形设计，未必带来最优分类精度。原因在于其忽视了如下事实：特征维度对聚合误差具有不同敏感度，因而对分类具有不同重要程度。本工作通过直接最大化所推导判别增益而设计的新型任务导向型 AirComp 方案解决了该问题。
引用
@article{arxiv.2211.01255,
title = {Task-Oriented Over-the-Air Computation for Multi-Device Edge AI},
author = {Dingzhu Wen and Xiang Jiao and Peixi Liu and Guangxu Zhu and Yuanming Shi and Kaibin Huang},
journal= {arXiv preprint arXiv:2211.01255},
year = {2022}
}