Kernkonzepte
Orchestrierung von Ressourcen zur Minimierung des Energieverbrauchs in Federated Learning.
Zusammenfassung
Die vorgestellte Methode kombiniert Soft Actor Critic Deep Reinforcement Learning mit einer Synchronisationsmethode auf Geräteebene, um den Energieverbrauch in drahtlosen Kommunikationsnetzwerken zu minimieren. Durch die Einführung einer Straffunktion während des Trainings werden Strategien bestraft, die die Umgebungsbeschränkungen verletzen, was zu einem sicheren RL-Prozess beiträgt. Die vorgeschlagene Lösung zeigt eine Reduzierung des Gesamtenergieverbrauchs um bis zu 94% im Vergleich zu anderen Baseline-Lösungen.
Struktur:
Einleitung zur Energieeffizienz in der Kommunikationstechnologie
Herausforderungen des Federated Learning in drahtlosen Netzwerken
Vorgeschlagene Lösung: Soft Actor Critic Deep Reinforcement Learning
Evaluierung der vorgeschlagenen Methode
Vergleich mit anderen Baseline-Lösungen
Statistiken
Die vorgeschlagene Methode erreicht eine Reduzierung des Gesamtenergieverbrauchs um bis zu 94%.
Zitate
"Die vorgeschlagene Methode kombiniert Soft Actor Critic Deep Reinforcement Learning mit einer Synchronisationsmethode auf Geräteebene, um den Energieverbrauch in drahtlosen Kommunikationsnetzwerken zu minimieren."