Fugu-MT 論文翻訳(概要): Cluster-Based Cooperative Digital Over-the-Air Aggregation for Wireless Federated Edge Learning

論文の概要: Cluster-Based Cooperative Digital Over-the-Air Aggregation for Wireless Federated Edge Learning

arxiv url: http://arxiv.org/abs/2008.00994v1
Date: Mon, 3 Aug 2020 16:29:52 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 07:23:26.114116
Title: Cluster-Based Cooperative Digital Over-the-Air Aggregation for Wireless Federated Edge Learning
Title（参考訳）: 無線フェデレーションエッジ学習のためのクラスタベース協調型空対空デジタルアグリゲーション
Authors: Ruichen Jiang, Sheng Zhou
Abstract要約: 空気上計算(AirComp)を用いた無線エッジにおける連合学習システムについて検討する。このようなシステムでは、ユーザは、高速なモデルアグリゲーションを実現するために、マルチアクセスチャネル上でメッセージを同時に送信する。本稿では,ユーザが位相補正を行い,全電力で送信する送信機の要求を緩和する改良されたディジタルAirComp方式を提案する。
参考スコア（独自算出の注目度）: 9.179817518536545
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we study a federated learning system at the wireless edge that uses over-the-air computation (AirComp). In such a system, users transmit their messages over a multi-access channel concurrently to achieve fast model aggregation. Recently, an AirComp scheme based on digital modulation has been proposed featuring one-bit gradient quantization and truncated channel inversion at users and a majority-voting based decoder at the fusion center (FC). We propose an improved digital AirComp scheme to relax its requirements on the transmitters, where users perform phase correction and transmit with full power. To characterize the decoding failure probability at the FC, we introduce the normalized detection signal-to-noise ratio (SNR), which can be interpreted as the effective participation rate of users. To mitigate wireless fading, we further propose a cluster-based system and design the relay selection scheme based on the normalized detection SNR. By local data fusion within each cluster and relay selection, our scheme can fully exploit spatial diversity to increase the effective number of voting users and accelerate model convergence.
Abstract（参考訳）: 本稿では,エアコン(AirComp)を用いた無線エッジにおけるフェデレーション学習システムについて検討する。このようなシステムでは、ユーザはメッセージをマルチアクセスチャネル上で同時に送信し、高速なモデル集約を実現する。近年,デジタル変調に基づくAirComp方式が提案され,ユーザにおける1ビット勾配量子化と切り離されたチャネルインバージョンと,融合センター(FC)における多数投票に基づくデコーダが提案されている。本稿では,ユーザが位相補正を行い,全電力で送信する送信機の要求を緩和する改良されたディジタルAirComp方式を提案する。 FCにおける復号故障確率を特徴付けるために,ユーザの有効参加率と解釈できる正規化検出信号-雑音比(SNR)を導入する。無線フェーディングを緩和するため,さらにクラスタベースのシステムを提案し,正規化検出SNRに基づくリレー選択方式を設計する。各クラスタ内のローカルデータ融合とリレー選択により,提案手法は空間的多様性を完全に活用し,有効投票数を増やし,モデル収束を加速することができる。

関連論文リスト

An Autoencoder-Based Constellation Design for AirComp in Wireless Federated Learning [8.255037356276341]
ディジタル変調によるAirCompをサポートするエンドツーエンド通信システムを提案する。我々は、オートエンコーダネットワーク構造を活用し、送信機と受信機コンポーネントの協調最適化を探索する。
論文参考訳（メタデータ） (2024-04-15T00:25:12Z)
Over-the-Air Federated Learning and Optimization [52.5188988624998]
エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
論文参考訳（メタデータ） (2023-10-16T05:49:28Z)
Wireless Federated $k$-Means Clustering with Non-coherent Over-the-Air Computation [14.087062902871212]
OACスキームは、バランスの取れた数系における数値の表現を利用するエンコーダに依存している。非効率なセンチロイドの再初期化法を提案し、不均一なデータ分散のための提案手法の性能を向上させる。
論文参考訳（メタデータ） (2023-08-11T20:12:26Z)
Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文参考訳（メタデータ） (2022-05-22T12:16:43Z)
Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文参考訳（メタデータ） (2022-05-02T12:23:55Z)
Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
論文参考訳（メタデータ） (2021-10-21T08:58:59Z)
Waveform Learning for Next-Generation Wireless Communication Systems [16.26230847183709]
本稿では,送信受信フィルタ,星座形状,それに付随するビットラベリング,およびニューラルネットワーク(NN)ベースの検出器の結合設計のための学習に基づく手法を提案する。この方法は、隣接するチャネルリーク比(ACLR)とピーク・ツー・アベイジ・パワー比(PAPR)の制約を同時に満たしつつ、達成可能な情報レートを最大化する。
論文参考訳（メタデータ） (2021-09-02T14:51:16Z)
End-to-end Waveform Learning Through Joint Optimization of Pulse and Constellation Shaping [16.26230847183709]
通信システムは、共同通信やセンシングといった新しいサービスを実現するためのものだ。本研究では、パルス整形と星座幾何学の連成学習を通して波形を設計するためのエンドツーエンドの学習手法を提案する。
論文参考訳（メタデータ） (2021-06-29T08:22:05Z)
Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-22T13:34:53Z)
Turning Channel Noise into an Accelerator for Over-the-Air Principal Component Analysis [65.31074639627226]
主成分分析(PCA)は、データセットの線形構造を抽出するための技術です。勾配降下アルゴリズムに基づくマルチアクセスチャネル上にPCAを配置する手法を提案する。オーバー・ザ・エア・アグリゲーションはマルチ・アクセスの遅延を減らすために採用され、オーバー・ザ・エア・PCAという名称を与える。
論文参考訳（メタデータ） (2021-04-20T16:28:33Z)
A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文参考訳（メタデータ） (2020-03-18T05:56:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。