多层网络上的无人机辅助在线机器学习:一种分层嵌套个性化联邦学习方法
机器学习
2022-10-20 v5 网络与互联网体系结构
系统与控制
系统与控制
摘要
我们研究通过无人机(UAV)群在一系列地理分布、资源受限的设备集群上训练机器学习(ML)模型。设备集群间时变数据异构性与计算资源不足的存在催生了我们方法的四个关键部分:(i)由领导者、工作者和协调者无人机组成的分层无人机群,(ii)分层嵌套个性化联邦学习(HN-PFL),一种跨工作者-领导者-核心网络层次进行个性化模型训练的分布式ML框架,(iii)协作式无人机资源池化,通过在无人机群间执行模型训练来解决设备计算不足问题,以及(iv)模型/概念漂移以建模时变数据分布。在此过程中,我们同时考虑了微观(即无人机级)与宏观(即群级)系统设计。在微观层,我们提出网络感知HN-PFL,其中我们在群内分布式编排无人机以优化能耗与ML模型性能并提供性能保证。在宏观层,我们聚焦于蜂群轨迹与学习时长设计,将其建模为通过深度强化学习解决的序贯决策问题。我们的仿真展示了所提方法在ML性能、网络资源节省和蜂群轨迹效率方面实现的改进。
引用
@article{arxiv.2106.15734,
title = {UAV-assisted Online Machine Learning over Multi-Tiered Networks: A Hierarchical Nested Personalized Federated Learning Approach},
author = {Su Wang and Seyyedali Hosseinalipour and Maria Gorlatova and Christopher G. Brinton and Mung Chiang},
journal= {arXiv preprint arXiv:2106.15734},
year = {2022}
}
备注
To be published in IEEE Transactions on Network and Service Management