Fugu-MT 論文翻訳(概要): Blind Federated Edge Learning

論文の概要: Blind Federated Edge Learning

arxiv url: http://arxiv.org/abs/2010.10030v1
Date: Mon, 19 Oct 2020 16:22:28 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 21:41:04.817181
Title: Blind Federated Edge Learning
Title（参考訳）: ブラインドフェデレーションエッジ学習
Authors: Mohammad Mohammadi Amiri, Tolga M. Duman, Deniz Gunduz, Sanjeev R. Kulkarni, H. Vincent Poor
Abstract要約: フェデレーションエッジ学習(FEEL)について検討し,それぞれが独自のデータセットを持つ無線エッジデバイスでグローバルモデルを学ぶ。そこで本研究では,デバイスがローカル更新を非符号化方式で送信する,アナログオーバ・ザ・エアのアグリゲーション方式を提案する。
参考スコア（独自算出の注目度）: 93.29571175702735
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study federated edge learning (FEEL), where wireless edge devices, each with its own dataset, learn a global model collaboratively with the help of a wireless access point acting as the parameter server (PS). At each iteration, wireless devices perform local updates using their local data and the most recent global model received from the PS, and send their local updates to the PS over a wireless fading multiple access channel (MAC). The PS then updates the global model according to the signal received over the wireless MAC, and shares it with the devices. Motivated by the additive nature of the wireless MAC, we propose an analog `over-the-air' aggregation scheme, in which the devices transmit their local updates in an uncoded fashion. Unlike recent literature on over-the-air edge learning, here we assume that the devices do not have channel state information (CSI), while the PS has imperfect CSI. Instead, the PS is equipped multiple antennas to alleviate the destructive effect of the channel, exacerbated due to the lack of perfect CSI. We design a receive beamforming scheme at the PS, and show that it can compensate for the lack of perfect CSI when the PS has a sufficient number of antennas. We also derive the convergence rate of the proposed algorithm highlighting the impact of the lack of perfect CSI, as well as the number of PS antennas. Both the experimental results and the convergence analysis illustrate the performance improvement of the proposed algorithm with the number of PS antennas, where the wireless fading MAC becomes deterministic despite the lack of perfect CSI when the PS has a sufficiently large number of antennas.
Abstract（参考訳）: フェデレーションエッジ学習 (FEEL) について検討し, それぞれが独自のデータセットを持つ無線エッジデバイスで, パラメータサーバ (PS) として機能する無線アクセスポイントの助けを借りて, グローバルモデルを協調的に学習する。各イテレーションにおいて、無線デバイスはローカルデータとPSから受信した最新のグローバルモデルを使用してローカル更新を行い、ローカル更新を無線のフェージング多重アクセスチャネル(MAC)を介してPSに送信する。 PSは、無線MAC経由で受信した信号に従ってグローバルモデルを更新し、デバイスと共有する。無線MACの付加的な性質に触発されて,デバイスがローカル更新を非コードで送信する,アナログの<over-the-air'アグリゲーション方式を提案する。オーバー・ザ・エア・エッジ・ラーニングに関する最近の文献とは異なり、ここではデバイスがチャネル状態情報(CSI)を持っていないと仮定する。代わりに、PSは、完全CSIの欠如により悪化するチャネルの破壊効果を軽減するために複数のアンテナを備えている。我々は、psの受信ビームフォーミング方式を設計し、psが十分な数のアンテナを持つ場合に完全なcsiの欠如を補うことができることを示す。また,提案アルゴリズムの収束率から,完全CSIの欠如とPSアンテナ数の影響を明らかにする。実験結果と収束解析は,PSのアンテナ数が十分に多ければ完全CSIが欠如しているにもかかわらず,無線フェードMACが決定論的になるPSアンテナ数による提案アルゴリズムの性能向上を示す。

関連論文リスト

Communication-Efficient Federated Learning over Wireless Channels via Gradient Sketching [23.523969065599193]
帯域制限の無線チャネルに適したFPS(Federated Proximal Sketching)を提案する。 FPSはバンド幅のボトルネックに対処し、効率的な圧縮を可能にするためにカウントスケッチデータ構造を使用する。合成および実世界の両方のデータセットにおける最先端手法と比較して,FPSの安定性,精度,効率性を実証する。
論文参考訳（メタデータ） (2024-10-30T20:01:08Z)
Blind Federated Learning via Over-the-Air q-QAM [11.956183457374186]
フェデレートされた複数のチャネル上でのエッジ学習について検討する。我々は、連合アップリンク・ザ・エアチャネル上での先駆的なデジタル・ザ・エア変調を導入する。エッジサーバのアンテナ数と高次変調の採用により,精度が最大60%向上することが判明した。
論文参考訳（メタデータ） (2023-11-07T12:02:59Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
Federated Deep Reinforcement Learning for THz-Beam Search with Limited CSI [17.602598143822913]
超広帯域でのテラヘルツ(THz)通信は次世代無線ネットワークにおける高データレートの厳密な要求を実現するための有望な技術である。 THz信号の激しい伝搬減衰を効果的に克服するために、大規模なアンテナアレイのビーム方向を見つけることは、迫力のあるニーズである。本稿では,複数の基地局のTHzビーム探索を高速に行うためのFDRL(Federated Deep reinforcement Learning)を提案する。
論文参考訳（メタデータ） (2023-04-25T19:28:15Z)
Digital Over-the-Air Federated Learning in Multi-Antenna Systems [30.137208705209627]
デジタル変調とオーバー・ザ・エア計算(AirComp)を用いた現実的な無線通信システム上でのフェデレーション学習(FL)の性能最適化について検討する。本稿では,デジタル変調とAirCompを組み合わせたFedAvg(FedAvg)アルゴリズムを提案する。人工ニューラルネットワーク(ANN)は、すべてのデバイスの局所FLモデルを推定し、将来のモデル伝送のためにPSのビーム形成行列を調整するために使用される。
論文参考訳（メタデータ） (2023-02-04T07:26:06Z)
Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文参考訳（メタデータ） (2023-01-20T17:06:34Z)
GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文参考訳（メタデータ） (2022-05-24T10:20:16Z)
Accelerated Gradient Descent Learning over Multiple Access Fading Channels [9.840290491547162]
N分散エッジデバイスとパラメータサーバ(PS)からなる無線ネットワークにおける分散学習問題を考える。そこで我々は, ノイズフェージングMAC上での運動量に基づく勾配信号を用いて, 既存の手法と比較して収束率を向上する, 高速勾配多重アクセス(AGMA)アルゴリズムを開発した。
論文参考訳（メタデータ） (2021-07-26T19:51:40Z)
Convergence of Federated Learning over a Noisy Downlink [84.55126371346452]
我々は,遠隔パラメータサーバの助けを借りて,ローカルデータセットを利用してグローバルモデルを協調訓練するフェデレーション学習について検討した。このフレームワークは、PSからデバイスへのダウンリンク送信と、デバイスからPSへのアップリンク送信を必要とする。本研究の目的は、ダウンリンクとアップリンクの両方における帯域幅制限された共有無線媒体がFLの性能に与える影響を検討することである。
論文参考訳（メタデータ） (2020-08-25T16:15:05Z)
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。