无人机辅助的网状网络去中心化学习
信息论
2022-06-01 v2 机器学习
信号处理
math.IT
摘要
去中心化学习使无线网络设备能够仅依靠设备到设备（D2D）通信协作训练机器学习（ML）模型。众所周知，去中心化优化算法的收敛速度严重依赖于网络连通度，更密集的网络拓扑会带来更短的收敛时间。因此，现实世界网状网络由于无线节点通信范围有限而导致的局部连通性，削弱了去中心化学习协议的效率，使其可能难以实际应用。在这项工作中，我们研究了作为飞行中继的无人机（UAV）在此类挑战性条件下促进去中心化学习过程的作用。我们提出了一条优化的无人机轨迹，该轨迹被定义为无人机顺序访问的一系列航路点，以便在稀疏连接的用户群之间传递智能。随后，我们提供了一系列实验，突显了无人机在网状网络去中心化学习背景下的关键作用。
引用
@article{arxiv.2203.01008,
title = {UAV-Aided Decentralized Learning over Mesh Networks},
author = {Matteo Zecchin and David Gesbert and Marios Kountouris},
journal= {arXiv preprint arXiv:2203.01008},
year = {2022}
}
备注
Accepted to the 30th European Signal Processing Conference, EUSIPCO 2022