論文の概要: Federated Learning-Assisted Optimization of Mobile Transmission with Digital Twins

• arxiv url: http://arxiv.org/abs/2602.18627v1
• Date: Fri, 20 Feb 2026 21:33:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.201834
• Title: Federated Learning-Assisted Optimization of Mobile Transmission with Digital Twins
• Title（参考訳）: ディジタル双極子を用いた移動体伝送のフェデレーション学習支援最適化
• Authors: Mohammad Heydari, Terence D. Todd, Dongmei Zhao, George Karakostas,
• Abstract要約: デジタルツイン(DT)は、関連する物理システムにプライベートであると考えられる情報を保護することができる。 オンラインスケジューラは通常、この種の情報を使って、共有帯域幅やチャンネルタイムスロット割り当てなどのタスクを実行する。 本研究では,スケジューラがDTのみと反復的に対話して,これらの問題に対するグローバルな分数解を生成する方法を示す。
• 参考スコア（独自算出の注目度）: 1.0779600811805266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A Digital Twin (DT) may protect information that is considered private to its associated physical system. For a mobile device, this may include its mobility profile, recent location(s), and experienced channel conditions. Online schedulers, however, typically use this type of information to perform tasks such as shared bandwidth and channel time slot assignments. In this paper, we consider three transmission scheduling problems with energy constraints, where such information is needed, and yet must remain private: minimizing total transmission time when (i) fixed-power or (ii) fixed-rate time slotting with power control is used, and (iii) maximizing the amount of data uploaded in a fixed time period. Using a real-time federated optimization framework, we show how the scheduler can iteratively interact only with the DTs to produce global fractional solutions to these problems, without the latter revealing their private information. Then dependent rounding is used to round the fractional solution into a channel transmission schedule for the physical systems. Experiments show consistent makespan reductions with near-zero bandwidth/energy violations and millisecond-order end-to-end runtime for typical edge server hardware. To the best of our knowledge, this is the first framework that enables channel sharing across DTs using operations that do not expose private data.
• Abstract（参考訳）: デジタルツイン(DT)は、関連する物理システムにプライベートであると考えられる情報を保護することができる。 モバイルデバイスには、モビリティプロファイル、最近のロケーション、経験豊富なチャネル条件などが含まれる。 しかし、オンラインスケジューラは通常、共有帯域幅やチャンネルタイムスロット割り当てなどのタスクを実行するためにこの種の情報を使用する。 本稿では,エネルギー制約を伴う3つの送信スケジューリング問題について考察する。 (一)固定力、又は (ii)パワーコントロール付き固定レートタイムスロットを使用し、 三 一定期間にアップロードしたデータの量を最大化する。 リアルタイムのフェデレーション最適化フレームワークを用いて、スケジューラがDTのみと反復的に対話してこれらの問題に対するグローバルな分数解を生成する方法を示す。 次に、依存したラウンドリングを用いて、分数解を物理系のためのチャネル送信スケジュールに丸めます。 実験では、ほぼゼロの帯域/エネルギー違反と、典型的なエッジサーバハードウェアのミリ秒単位のエンドツーエンドランタイムによる一貫したメースパン削減が示されている。 私たちの知る限りでは、プライベートデータを公開しない操作を使用してDT間のチャネル共有を可能にする最初のフレームワークです。

関連論文リスト

• Digital Twin-Assisted Federated Learning with Blockchain in Multi-tier Computing Systems [67.14406100332671]
  産業用 4.0 システムでは、リソース制約のあるエッジデバイスが頻繁にデータ通信を行う。 本稿では,デジタルツイン (DT) とフェデレーション付きデジタルツイン (FL) 方式を提案する。 提案手法の有効性を数値解析により検証した。
  論文  参考訳（メタデータ） (2024-11-04T17:48:02Z)
• Multi-armed Bandit Learning for TDMA Transmission Slot Scheduling and Defragmentation for Improved Bandwidth Usage [1.462434043267217]
  本稿では,無線センサネットワークとIoT(Internet of Things)において,効率的な帯域幅利用が可能なTDMA(Time Division Multiple Access)MACスロット割り当てプロトコルを提案する。 開発したプロトコルは, 衝突自由伝送のためのMAB(Multi-Armed Bandits)ベースのスロットアロケーション機構と, 帯域幅効率向上のための分散デフラグメンテッドスロットバックシフト操作の2つの主要コンポーネントを備える。
  論文  参考訳（メタデータ） (2023-01-14T03:41:15Z)
• Dynamic Network-Assisted D2D-Aided Coded Distributed Learning [59.29409589861241]
  本稿では,デバイス間のロードバランシングのための新しいデバイス・ツー・デバイス(D2D)支援型符号化学習手法(D2D-CFL)を提案する。 最小処理時間を達成するための最適圧縮率を導出し、収束時間との接続を確立する。 提案手法は,ユーザが継続的にトレーニングデータを生成するリアルタイム協調アプリケーションに有用である。
  論文  参考訳（メタデータ） (2021-11-26T18:44:59Z)
• To Talk or to Work: Delay Efficient Federated Learning over Mobile Edge Devices [13.318419040823088]
  モバイルデバイスは、中央サーバの調整の下で、自身のデータに基づいてモデルをトレーニングするために協力する。 データの中心的な可用性がなければ、計算ノードは収束を達成するためにしばしばモデル更新を伝える必要がある。 本稿では,モデルが収束するために必要な全時間(計算待ち時間と通信待ち時間の両方)と通信ラウンドを削減できる遅延効率FL機構を提案する。
  論文  参考訳（メタデータ） (2021-11-01T00:35:32Z)
• Accelerating Federated Edge Learning via Optimized Probabilistic Device Scheduling [57.271494741212166]
  本稿では,通信時間最小化問題を定式化し,解決する。 最適化されたポリシーは、トレーニングプロセスが進むにつれて、残りの通信ラウンドの抑制から、ラウンドごとのレイテンシの低減へと、徐々に優先順位を転換している。 提案手法の有効性は,自律運転における協調的3次元目標検出のユースケースを通じて実証される。
  論文  参考訳（メタデータ） (2021-07-24T11:39:17Z)
• Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
  本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。 提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
  論文  参考訳（メタデータ） (2021-06-02T07:36:27Z)
• Tomography Based Learning for Load Distribution through Opaque Networks [9.923523030849836]
  オーバー・ザ・トップ(OTT)サービスプロバイダにとって重要なタスクは、遅延を最小限に抑えるため、ネットワークを通してトラフィックを送信することだ。 この問題は、トラフィックがブラックボックスネットワークに入る一連の入力をトラフィックソースが選択できる一般的な設定で検討する。 この問題を解決するための主要な技術的課題は、問題の高次元性と、ネットワークに固有の制約を扱うことである。
  論文  参考訳（メタデータ） (2020-07-18T21:52:21Z)
• Scheduling Policy and Power Allocation for Federated Learning in NOMA Based MEC [21.267954799102874]
  Federated Learning(FL)は、データ分散を維持しながらモデルを集中的にトレーニングできる、高度に追求された機械学習技術である。 重み付き和データレートを最大化するために、非直交多重アクセス(NOMA)設定を用いた新しいスケジューリングポリシーと電力割当方式を提案する。 シミュレーションの結果,提案手法は,NOMAベースの無線ネットワークにおいて高いFLテスト精度を実現するのに有効であることがわかった。
  論文  参考訳（メタデータ） (2020-06-21T23:07:41Z)
• Dynamic Compression Ratio Selection for Edge Inference Systems with Hard Deadlines [9.585931043664363]
  本稿では,ハード期限付きエッジ推論システムの動的圧縮比選択手法を提案する。 誤り推論により少ない圧縮データを再送信する情報拡張を提案し,精度向上を図る。 無線伝送エラーを考慮し、パケット損失による性能劣化を低減する再送信方式を更に設計する。
  論文  参考訳（メタデータ） (2020-05-25T17:11:53Z)
• A Non-Stationary Bandit-Learning Approach to Energy-Efficient Femto-Caching with Rateless-Coded Transmission [98.47527781626161]
  小セルネットワークにおける共同キャッシュと送信のためのリソース割り当て問題について検討する。 次に、各放送ラウンドの送信電力レベルとともに、キャッシュからファイルを選択するという問題を定式化する。 最先端の研究とは対照的に、提案手法は時変統計特性を持つネットワークに特に適している。
  論文  参考訳（メタデータ） (2020-04-13T09:07:17Z)
• Convergence of Update Aware Device Scheduling for Federated Learning at the Wireless Edge [84.55126371346452]
  遠隔パラメータサーバ(PS)の助けを借りて、ローカルデータセットを持つパワー制限デバイスが共同でジョイントモデルを訓練する無線エッジにおけるフェデレーション学習について研究する。 各ラウンドで送信するデバイスのサブセットを決定する新しいスケジューリングとリソース割り当てポリシーを設計する。 数値実験の結果,提案したスケジューリングポリシーは,チャネル条件と局所モデル更新の重要性の両方に基づいており,両者の指標のみに基づくスケジューリングポリシーよりも長期的性能がよいことがわかった。
  論文  参考訳（メタデータ） (2020-01-28T15:15:22Z)

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。