本論文では、デジタル変調を用いた無線通信システムでフェデレーション学習を実現する手法を提案している。
具体的には以下の通りである:
無線MIMO通信システムを考え、エッジデバイスがローカルのフェデレーション学習モデルをビームフォーミングを用いて中央のパラメータサーバに送信する。パラメータサーバは受信したローカルモデルを集約して、グローバルモデルを生成し、それをエッジデバイスに再配信する。
無線チャネルの減衰によって、オーバザエアコンピューティング(AirComp)ベースのフェデレーション学習では歪みが生じる問題に対処するため、デジタル変調と組み合わせたフェデレーション平均(FedAvg)アルゴリズムを提案する。
送受信ビームフォーミング行列を動的に最適化することで、デジタル変調によるノンリニアな影響を補償し、学習精度を向上させる。具体的には、ニューラルネットワークを用いてエッジデバイスのローカルモデルを予測し、その予測結果に基づいて最適なビームフォーミング行列を設計する。
数値実験の結果、提案手法はアナログ変調やBPSKを用いる手法と比べて、10-30%の精度向上が確認された。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Sihua Wang,M... at arxiv.org 04-26-2024
https://arxiv.org/pdf/2302.14648.pdfDeeper Inquiries