論文の概要: SCENE OTA-FD: Self-Centering Noncoherent Estimator for Over-the-Air Federated Distillation

• arxiv url: http://arxiv.org/abs/2602.15326v1
• Date: Tue, 17 Feb 2026 03:13:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:17.967447
• Title: SCENE OTA-FD: Self-Centering Noncoherent Estimator for Over-the-Air Federated Distillation
• Title（参考訳）: SCENE OTA-FD:過熱蒸留のための自己中心型非コヒーレント推定器
• Authors: Hao Chen, Zavareh Bozorgasl,
• Abstract要約: SCENEは、オーバー・ザ・エア・フェデレート蒸留(OTA-FD)のためのパイロットフリーで位相不変なアグリゲーションプリミティブである ゼロ・アップリンク・パイロット、アンバイアスド・アグリゲーション、ハードウェアフレンドリーなトランスミッションに対して、控えめな非コヒーレントな変動定数を交換する。 パイロットのオーバーヘッドが無視できない場合には、コヒーレントな設計よりも優れている。
• 参考スコア（独自算出の注目度）: 5.14549984289357
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose SCENE (Self-Centering Noncoherent Estimator), a pilot-free and phase-invariant aggregation primitive for over-the-air federated distillation (OTA-FD). Each device maps its soft-label (class-probability) vector to nonnegative transmit energies under constant per-round power and constant-envelope signaling (PAPR near 1). At the server, a self-centering energy estimator removes the noise-energy offset and yields an unbiased estimate of the weighted soft-label average, with variance decaying on the order of 1/(SM) in the number of receive antennas M and repetition factor S. We also develop a pilot-free ratio-normalized variant that cancels unknown large-scale gains, provide a convergence bound consistent with coherent OTA-FD analyses, and present an overhead-based crossover comparison. SCENE targets short-coherence and hardware-constrained regimes, where avoiding per-round CSI is essential: it trades a modest noncoherent variance constant for zero uplink pilots, unbiased aggregation, and hardware-friendly transmission, and can outperform coherent designs when pilot overhead is non-negligible.
• Abstract（参考訳）: SCENE(Self-Centering Noncoherent Estimator)は, オーバー・ザ・エア・フェデレート蒸留(OTA-FD)のための, パイロットフリーで位相不変なアグリゲーションプリミティブである。 各デバイスは、そのソフトラベル(クラス確率)ベクトルを、一定のラウンド当たりの電力と定数エンベロープ信号(PAPR)の下での非負の送信エネルギーにマッピングする。 サーバでは、自己中心エネルギー推定器がノイズ-エネルギーオフセットを除去し、受信アンテナ数Mと繰り返し係数Sの1/(SM)の次数にばらつきのある重み付きソフトラベル平均の偏りのない推定値を得る。 SCENEは短コヒーレンスとハードウェアに制約のあるレシエーションをターゲットにしており、CSI全体を避けることが不可欠である。これは、ゼロアップリンクパイロット、偏りのない集約、ハードウェアフレンドリーなトランスミッションに対して、控えめな非コヒーレントな分散を取引し、パイロットのオーバーヘッドが無視できない場合にコヒーレントな設計より優れている。

関連論文リスト

• Interference-Robust Non-Coherent Over-the-Air Computation for Decentralized Optimization [8.071989780397692]
  非コヒーレント・オーバー・ザ・エア(NCOTA)計算は低レイテンシと帯域幅効率の分散最適化を可能にする。 本稿では,新しい干渉ロバスト(IR-)NCOTA方式を提案する。
  論文  参考訳（メタデータ） (2026-02-12T21:30:51Z)
• Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
  安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。 本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。 9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
  論文  参考訳（メタデータ） (2026-02-09T22:48:30Z)
• Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
  受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。 これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
  論文  参考訳（メタデータ） (2026-02-04T15:25:02Z)
• OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers [68.73273027298625]
  メガコンステレーションは、宇宙データセンター(SDC)の長期的なビジョンを推進している AirCompはフリースペース(FSO)を学習するためのネットワーク内集約フレームワーク AirVoteは符号勾配(SGD)と多数符号変調(PPM)を統合し、各衛星はPPMタイムスロットを活性化することで局所勾配を伝達する。 OptiVoteは位相依存性電場重ね合わせを位相非依存光強度結合に緩和する。
  論文  参考訳（メタデータ） (2025-12-30T16:40:02Z)
• Non-Convex Over-the-Air Heterogeneous Federated Learning: A Bias-Variance Trade-off [6.832750677765499]
  OTA(Over-the-air Convex Learning)は、無線マルチアクセスチャネルの重畳を利用して更新をモデル化するスケーラブルなパラダイムとして認識されている。 OTAFL SGD の新たな更新手法を開発した。
  論文  参考訳（メタデータ） (2025-10-30T17:22:57Z)
• Non-Coherent Over-the-Air Decentralized Gradient Descent [0.0]
  無線システムにおける分散グラディエントDescentの実装は、ノイズ、フェーディング、帯域幅の制限により困難である。 本稿では,スケジューリング,トポロジ情報,CSIの必要性を解消するスケーラブルなDGDアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-19T19:15:34Z)
• Over-the-Air Federated Learning from Heterogeneous Data [107.05618009955094]
  フェデレートラーニング(Federated Learning、FL)は、集中型モデルの分散ラーニングのためのフレームワークである。 我々は,共通局所勾配勾配勾配(SGD)FLアルゴリズムを強化するコンバージェント OTA FL (COTAF) アルゴリズムを開発した。 我々は,COTAFにより誘導されるプリコーディングが,OTA FLを用いて訓練されたモデルの収束率と精度を顕著に向上させることを示す。
  論文  参考訳（メタデータ） (2020-09-27T08:28:25Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。