Jan, 2024
具备干扰和数据异质性认知的分层无线联邦学习
Hierarchical Over-the-Air Federated Learning with Awareness of Interference and Data Heterogeneity
Seyed Mohammad Azimi-Abarghouyi, Viktoria Fodor
TL;DR这项研究提出了一种用于解决分层联邦学习在无线网络中可扩展性和干扰、设备数据异质性的挑战的学习方法，并通过优化的接收器归一化因子来减小干扰的影响。通过使用随机几何建模多簇无线网络并将聚合估计的均方误差作为网络参数的函数进行表征，论文证明了在干扰和数据异质性的情况下，所提出的方案实现了较高的学习准确性，并且可以显著优于传统的分层算法。