面向空中联邦学习的无人机辅助分层聚合
信号处理
2022-09-26 v1
摘要
随着移动边缘数据量的爆炸式增长，空中联邦学习（OA-FL）成为一种有前景的技术，可降低通信成本与隐私泄露风险。然而，当较大区域内的设备协同训练机器学习模型时，伴随的掉队者问题将显著降低学习性能。本文提出一种无人机（UAV）辅助的 OA-FL 系统，其中无人机作为参数服务器（PS）分层聚合本地梯度以更新全局模型。在此无人机辅助分层聚合方案下，我们进行了梯度相关性感知的联邦学习性能分析。随后，基于分析结果，我们建立均方误差（MSE）最小化问题以调优无人机轨迹与全局聚合系数。我们开发了基于交替优化（AO）与连续凸近似（SCA）的算法来求解该问题。仿真结果展示了我们所提无人机辅助分层聚合方案的巨大潜力。
引用
@article{arxiv.2209.11624,
title = {UAV-Assisted Hierarchical Aggregation for Over-the-Air Federated Learning},
author = {Xiangyu Zhong and Xiaojun Yuan and Huiyuan Yang and Chenxi Zhong},
journal= {arXiv preprint arXiv:2209.11624},
year = {2022}
}