Core Concepts
携帯型大規模MIMOネットワークにおける連邦学習のためのユーザーのアップリンク電力を最適化することで、ユーザーのアップリンクエネルギーと待ち時間のトレードオフを最小化する。
Abstract
本論文では、携帯型大規模MIMOネットワークにおける連邦学習のためのユーザーのアップリンク電力の最適化手法を提案している。
具体的には以下の通りである:
連邦学習のシステムモデルと問題設定を説明する。ユーザーのアップリンクエネルギーと待ち時間のトレードオフを最小化する最適化問題を定式化する。
提案手法では、ユーザーの電力がお互いに及ぼす影響を考慮しながら、ユーザーごとの電力を最適化する。最適化問題には一意の解が存在することを示し、座標降下法に基づく反復アルゴリズムを提案する。
数値実験の結果、提案手法は既存手法と比べて、同等の制約条件下で最大27%の精度向上を達成できることを示す。これは、ユーザー間の相互作用を考慮した電力最適化の重要性を示している。
提案手法を用いて連邦学習の最大反復回数を算出し、エネルギーと待ち時間の制約下で連邦学習を実行する。
Stats
ユーザーjのアップリンクエネルギーEjは、Ej = pupjℓjで表される。
ユーザーjのアップリンク待ち時間ℓjは、ℓj = bd/Rjで表される。
Quotes
"連邦学習は、ユーザーがデータセットを共有せずにモデルを共同で学習する分散学習のパラダイムである。"
"携帯型大規模MIMOは、多くのユーザーに同じ時間/周波数リソースを提供できるため、連邦学習の実装に適している。"
"ユーザーのエネルギー制限は、特に大規模な連邦学習の実行を阻害する可能性がある。"