核心概念
本文提出了一種名為「年齡梯度」(AoG)的新策略,用於在隨機接入通道(RACH)上進行聯邦學習,該策略基於資訊年齡(AoI)的概念,透過動態調整用戶參與和梯度壓縮,在具有挑戰性的網路環境中實現高效的模型訓練。
標題: 基於隨機接入通道的聯邦學習年齡梯度更新
作者: Yu Heng Wu, Houman Asgari, Stefano Rini, Andrea Munari
發表日期: 2024年10月15日
本研究旨在探討在隨機接入通道(RACH)環境下,如何有效地進行聯邦學習(FL)。具體而言,研究目標是設計一種聯合訓練/通訊策略,以解決在用戶透過競爭性通道與參數伺服器(PS)進行通訊時所面臨的挑戰。