論文の概要: UAV-Assisted Multi-Task Federated Learning with Task Knowledge Sharing

• arxiv url: http://arxiv.org/abs/2501.10644v1
• Date: Sat, 18 Jan 2025 03:30:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:20:21.377202
• Title: UAV-Assisted Multi-Task Federated Learning with Task Knowledge Sharing
• Title（参考訳）: タスク知識共有によるUAV支援マルチタスクフェデレーション学習
• Authors: Yubo Yang, Tao Yang, Xiaofeng Wu, Bo Hu,
• Abstract要約: 複数のUAVによって収集されたデータを同時に複数の関連するタスクを訓練するUAV支援多タスクフェデレーション学習方式を提案する。 このスキームは,タスク間の特徴抽出器の共有によるトレーニングプロセスの促進と,タスクパフォーマンスのバランスと知識共有の促進を目的としたタスクアテンション機構の導入を目的としている。
• 参考スコア（独自算出の注目度）: 10.690040580314998
• License:
• Abstract: The rapid development of Unmanned aerial vehicles (UAVs) technology has spawned a wide variety of applications, such as emergency communications, regional surveillance, and disaster relief. Due to their limited battery capacity and processing power, multiple UAVs are often required for complex tasks. In such cases, a control center is crucial for coordinating their activities, which fits well with the federated learning (FL) framework. However, conventional FL approaches often focus on a single task, ignoring the potential of training multiple related tasks simultaneously. In this paper, we propose a UAV-assisted multi-task federated learning scheme, in which data collected by multiple UAVs can be used to train multiple related tasks concurrently. The scheme facilitates the training process by sharing feature extractors across related tasks and introduces a task attention mechanism to balance task performance and encourage knowledge sharing. To provide an analytical description of training performance, the convergence analysis of the proposed scheme is performed. Additionally, the optimal bandwidth allocation for UAVs under limited bandwidth conditions is derived to minimize communication time. Meanwhile, a UAV-EV association strategy based on coalition formation game is proposed. Simulation results validate the effectiveness of the proposed scheme in enhancing multi-task performance and training speed.
• Abstract（参考訳）: 無人航空機(UAV)技術の急速な開発は、緊急通信、地域監視、災害救助など、様々な応用を生み出している。 バッテリー容量と処理能力が限られているため、複雑なタスクには複数のUAVが必要であることが多い。 このような場合、制御センタは活動のコーディネートに不可欠であり、フェデレートラーニング(FL)フレームワークに適合する。 しかし、従来のFLアプローチは、複数の関連するタスクを同時にトレーニングする可能性を無視して、1つのタスクにフォーカスすることが多い。 本稿では,複数のUAVによって収集されたデータを同時に複数のタスクを訓練するUAV支援多タスクフェデレーション学習方式を提案する。 このスキームは,タスク間の特徴抽出器の共有によるトレーニングプロセスの促進と,タスクパフォーマンスのバランスと知識共有の促進を目的としたタスクアテンション機構の導入を目的としている。 トレーニング性能を解析的に記述し、提案手法の収束解析を行う。 さらに、帯域幅の限られたUAVに対して最適な帯域割り当てを導出し、通信時間を最小化する。 一方,連合形成ゲームに基づくUAV-EVアソシエーション戦略が提案されている。 シミュレーションの結果、マルチタスク性能とトレーニング速度を向上させるための提案手法の有効性が検証された。

関連論文リスト

• Autonomous Decision Making for UAV Cooperative Pursuit-Evasion Game with Reinforcement Learning [50.33447711072726]
  本稿では,マルチロールUAV協調追従ゲームにおける意思決定のための深層強化学習モデルを提案する。 提案手法は,追従回避ゲームシナリオにおけるUAVの自律的意思決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-05T10:45:30Z)
• UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
  本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。 ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:19:22Z)
• Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
  無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。 本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T12:36:08Z)
• Joint Path planning and Power Allocation of a Cellular-Connected UAV using Apprenticeship Learning via Deep Inverse Reinforcement Learning [7.760962597460447]
  本稿では,郊外環境におけるセルラー接続型無人航空機(UAV)の干渉対応共同経路計画と電力配分機構について検討する。 UAVは、そのアップリンクスループットを最大化し、近隣のBSに接続された地上ユーザ機器(UE)への干渉のレベルを最小化することを目的としている。 Q-learning と深層強化学習 (DRL) を併用した逆強化学習 (IRL) による見習い学習手法
  論文  参考訳（メタデータ） (2023-06-15T20:50:05Z)
• Effective Adaptation in Multi-Task Co-Training for Unified Autonomous Driving [103.745551954983]
  本稿では,3つの下流タスクにおけるMoCoやSimCLRなど,多種多様な自己監督手法の転送性能について検討する。 彼らのパフォーマンスは、サブ最適か、あるいはシングルタスクベースラインよりもはるかに遅れていることに気付きました。 汎用マルチタスクトレーニングのための,単純かつ効果的な事前訓練-適応-ファインチューンパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-09-19T12:15:31Z)
• Deep Reinforcement Learning for Task Offloading in UAV-Aided Smart Farm Networks [3.6118662460334527]
  我々は、この多目的問題を解決するために、Deep Q-Learning(DQL)アプローチを導入する。 提案手法は,UAVの残量と期限違反率に関して,同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-15T15:29:57Z)
• DL-DRL: A double-level deep reinforcement learning approach for large-scale task scheduling of multi-UAV [65.07776277630228]
  分割・征服フレームワーク(DCF)に基づく二重レベル深層強化学習(DL-DRL)手法を提案する。 特に,上層部DRLモデルにおけるエンコーダ・デコーダ構成ポリシネットワークを設計し,タスクを異なるUAVに割り当てる。 また、低レベルDRLモデルにおける別の注意に基づくポリシーネットワークを利用して、各UAVの経路を構築し、実行されたタスク数を最大化する。
  論文  参考訳（メタデータ） (2022-08-04T04:35:53Z)
• UAV-Aided Multi-Community Federated Learning [19.795430742525532]
  連邦学習(FL)における無人航空機(UAV)のオンライン軌道設計の問題点について検討する。 この環境では、各コミュニティに属する空間分布デバイスが、UAVが提供する無線リンクを介して、コミュニティモデルのトレーニングに協力的に貢献する。 異なるタスクのトレーニングパフォーマンスのプロキシとしてメトリクスを提案する。
  論文  参考訳（メタデータ） (2022-06-04T19:00:40Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
  UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。 エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。 UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
  論文  参考訳（メタデータ） (2021-03-03T20:54:19Z)

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。