无人机辅助的多社群联邦学习
信息论
2022-11-09 v2 机器学习
math.IT
摘要
在本工作中，我们研究联邦学习 (FL) 设定下无人机 (UAV) 的在线轨迹设计问题，其中存在若干不同社群，每个社群由待学习的一个独特任务所定义。在此设定中，属于各社群的空间分布设备通过无人机提供的无线链路协作贡献于训练其社群模型。相应地，无人机充当移动协调者，协调各社群内设备间的传输与学习调度，旨在加速所有任务的学习过程。我们提出一种启发式度量作为不同任务训练性能的代理。利用该度量，我们定义了一种代理目标，使我们能够通过凸优化技术与图论联合优化无人机轨迹与设备调度。仿真表明，与其他人工选取的静态与移动无人机部署基线相比，我们的方案性能更优。
引用
@article{arxiv.2206.02043,
title = {UAV-Aided Multi-Community Federated Learning},
author = {Mohamad Mestoukirdi and Omid Esrafilian and David Gesbert and Qianrui Li},
journal= {arXiv preprint arXiv:2206.02043},
year = {2022}
}
备注
Accepted to be presented at GLOBECOM 2022, IEEE Global Communications Conference: Selected Areas in Communications: Aerial Communications (Globecom 2022 SAC AC)", 4-8 December 2022, Rio de Janeiro, Brazil