多模型无线联邦学习的上行 over-the-air 聚合
信息论
2024-09-04 v1 信号处理
math.IT
摘要
我们提出了一种用于无线联邦学习（FL）的上行over-the-air聚合（OAA）方法，可同时训练多个模型。为最大化多模型训练收敛速度，我们导出全局模型更新的optimality间隙上界，然后构建化 uplink 联合发射-接收波束赋形优化问题，以最小化该上界。我们采用分块坐标下降方法求解该问题，该方法允许低复杂度的闭式更新。仿真结果表明，我们提出的多模型FL结合快速OAA在实际的单模型方法下显著优于顺序训练多个模型。
引用
@article{arxiv.2409.00978,
title = {Uplink Over-the-Air Aggregation for Multi-Model Wireless Federated Learning},
author = {Chong Zhang and Min Dong and Ben Liang and Ali Afana and Yahia Ahmed},
journal= {arXiv preprint arXiv:2409.00978},
year = {2024}
}
备注
5 pages, 5 figures. Accepted by IEEE SPAWC 2024. arXiv admin note: text overlap with arXiv:2312.13424