深度神经网络通信的趋势与进展
机器学习
2020-03-09 v1 分布式、并行与集群计算
多媒体
网络与互联网体系结构
机器学习
摘要
由于其优异的性能和可扩展性，神经网络已成为许多应用中无处不在的构建模块。随着移动和物联网的兴起，这些模型现在也越来越多地应用于分布式环境中，其中数据所有者被有限的通信信道和隐私约束所分隔。为了应对这些分布式环境的挑战，已经开发了广泛的训练和评估方案，这些方案需要神经网络参数化的通信。这些将“智能带到数据”的新方法相比传统的云解决方案具有许多优势，例如隐私保护、增强的安全性和设备自主性、通信效率和高训练速度。本文概述了机器学习与通信交叉的这一新研究领域的近期进展和挑战。
引用
@article{arxiv.2003.03320,
title = {Trends and Advancements in Deep Neural Network Communication},
author = {Felix Sattler and Thomas Wiegand and Wojciech Samek},
journal= {arXiv preprint arXiv:2003.03320},
year = {2020}
}