智能反射面赋能的联邦边缘学习及其在车联网中的应用OACSCD
Federated edge learning with reconfigurable intelligent surface and its application in Internet of vehicles
针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题,提出了一种智能反射面(RIS)赋能的空中联邦边缘学习系统,其利用智能反射面的信道可重构性自适应地配置信号传播环境,并利用空中计算实现联邦边缘学习模型的快速聚合.具体来说,首先刻画无线信道和数据异构影响下的联邦优化算法收敛行为,并以此构造统一的无线资源优化问题,通过联合设计收发端波束成形方案和RIS相移来优化学习性能.仿真结果验证了所提方案的有效性,并证明RIS可以在数据异构前提下提高空中联邦边缘学习系统准确性.最后,探讨了其在车联网中应用的可能性.
王平;杨志伟;李贺举
同济大学电子与信息工程学院,上海 201804||上海自主智能无人系统科学中心,上海 201210同济大学电子与信息工程学院,上海 201804同济大学电子与信息工程学院,上海 201804
电子信息工程
联邦边缘学习数据异构智能反射面空中计算收敛分析车联网
federated edge learningdata heterogeneityreconfigurable intelligent surfaceover-the-air computationconvergence analysisInternet of vehicles
《通信学报》 2023 (10)
46-57,12
上海市科学技术委员会基金资助项目(No.21511102400) The Project of Shanghai Municipal Science and Technology Commission(No.21511102400)
评论