面向可持续联邦学习的无人机通信
网络与互联网体系结构
2021-03-23 v1 机器学习
摘要
联邦学习（FL）由谷歌于2016年提出，已成为热门研究趋势。然而，在无线网络中实现FL必须克服移动用户电池受限的挑战。为此，我们提出应用无人机（UAV）赋能的无线能量传输来实现基于FL的可持续无线网络。目标是通过联合优化传输时间与带宽分配、功率控制以及无人机部署，最大化无人机发射功率效率。由于变量耦合，直接求解所建模的问题具有挑战性。因此，我们利用分解技术与连续凸近似方法开发了一种高效算法，即面向可持续FL的无人机算法（UAV-SFL）。最后，仿真表明了我们所提出的UAV-SFL方法在为基于FL的无线网络提供可持续解决方案方面的潜力，并且与基准方案相比，无人机发射功率分别降低了32.95%、63.18%和78.81%。
引用
@article{arxiv.2103.11073,
title = {UAV Communications for Sustainable Federated Learning},
author = {Quoc-Viet Pham and Ming Zeng and Rukhsana Ruby and Thien Huynh-The and Won-Joo Hwang},
journal= {arXiv preprint arXiv:2103.11073},
year = {2021}
}
备注
Accepted by IEEE Vehicular Technology correspondence 2021