蜂窝式大规模 MIMO 网络中联合能量和时延优化的联邦学习

Apr, 2024

蜂窝式大规模 MIMO 网络中联合能量和时延优化的联邦学习

Joint Energy and Latency Optimization in Federated Learning over Cell-Free Massive MIMO Networks

Afsaneh Mahmoudi, Mahmoud Zaher, Emil Björnson

TL;DR在本文中，我们提出了一种基于协调梯度下降法的在 CFmMIMO 上进行 FL 的上行功率分配方案，通过考虑每个用户的功率对其他用户的能量和延迟的影响，共同最小化用户的上行能量和 FL 训练的延迟。数值结果显示，我们提出的方法在限定的上行能量和延迟预算下，在测试准确性方面将最大和最小求和速率的已知方法分别提高了最多 27% 和 Dinkelbach 方法的最大最小能量效率提高了最多 21%。

Abstract

federated learning (FL) is a distributed learning paradigm wherein users exchange fl models with a server instead of raw datasets, thereby preserving data privacy and reducing communication overhead. However, the

federated learning fl models cell-free massive multiple-input multiple-output uplink power allocation coordinate gradient descent method

发现论文，激发创造

无线联邦学习的无细胞 massive MIMO

本文提出了一种基于 CFmMIMO 网络的联邦学习方案来最小化联邦学习训练时间，该方案优化了本地准确性，传输功率，数据速率和用户处理频率等参数，并使用在线逐次凸近似算法来解决这个问题。数值结果证实，所提出的联合设计相比基线方案，将训练时间降低了最多 55％，而且与 CF-TDMA massive MIMO 和 collocated massive MIMO 相比，CFmMIMO 在 FL 进程的训练时间方面具有最低的要求。

Sep, 2019

无线电波传输下的大规模 MIMO 如何支持多个联邦学习群组？

该研究提出了一种基于无小区大规模 MIMO 的方案，通过多点协作和异步执行，支持不同学习目的的多个联邦学习群组同时稳定运行，并且优化资源分配以把每个联邦学习过程中的执行时间最小化。

Jul, 2021

MIMO 网络中的跨层联邦学习优化

本文研究了在一个现实的无线多输入多输出（MIMO）通信系统上部署联邦学习（FL）的性能优化，研究了使用数字调制和空中计算（AirComp）的 MIMO 系统，提出了一种组合数字调制和 AirComp 的修改联邦平均（FedAvg）算法来降低无线信道的淡化和确保通信效率。

Feb, 2023

毫米波大规模 MIMO 中混合波束成形的联邦学习

本文介绍了一种基于联邦学习的混合波束赋形框架，利用卷积神经网络，通过收集用户的梯度来训练基站的模型，从而在减少数据集传输量和保证隐私的前提下，实现了在信道数据中实现模拟波束赋形，数值模拟表明这种方法具有比集中式机器学习更好的容错性和较小的传输开销。

May, 2020

无线通信网络上的能效联邦学习

研究了基于无线通信网络的联邦学习中的能源有效传输和计算资源分配问题，并提出了一种迭代算法，以解决此优化问题，并通过数值结果表明了该算法相对于传统 FL 方法可将能源消耗降低高达 59.5％。

Nov, 2019

多小区无线网络中基于空中联邦学习的干扰管理

本文针对多小区无线网络下的联邦学习任务，提出使用 AirComp 进行上行梯度聚合以实现更快的学习过程，并基于对干扰的控制和优化，推导出协作多小区 FL 优化框架，在不同 FL 任务之间权衡学习性能，实现了比非协作基线方案更好的平均学习性能。

Jun, 2022

联合学习和通信框架用于无线网络联邦学习

研究了在现实无线网络上训练联邦学习算法的问题，提出了一种联合学习、无线资源分配和用户选择的优化问题，并获得了期望收敛速率的闭式表达式，从而实现最小化 FL 损失函数的最优用户选择和上行资源块分配。

Sep, 2019

高精度空中计算的能量和频谱高效联邦学习

本文提出了基于 M-AirComp 的联邦学习多位计算方法及移动设备的能量高效设计，旨在解决联邦学习在移动设备上更新梯度导致的频繁无线更新和能量消耗问题。经过大量仿真实验，相比之前的方法，我们的方案在频谱利用，能量效率和学习准确率方面优于现有方案。

Aug, 2022

无线网络异步多模型联邦学习：理论、建模和优化

本文提出了一种应用于多个下游任务的异步模型传输的联邦学习方法，通过引入调度张量来表征设备调度，并通过收敛性分析探究了资源分配、设备调度和个体模型状态等对机器学习性能的影响，进而通过非凸混合整数优化问题来调整资源分配和设备调度，以在能量消耗和性能之间达到高效平衡，并通过数值模拟揭示了该方法在模型性能和网络资源节约方面的优势。

May, 2023

关于全双工无小区巨型 MIMO 的频谱效率与能量效率

该研究论文针对实现更高的无线电频谱和能量效率，提出了一种基于 in-band full-duplex 与 cell-free massive MIMO 的联合设计方案，优化了功控制、入口点和用户设备相关联和入口点选择，并结合零强制传输设计提高了计算效率及理论性能，并采用基于堆的导频分配算法来抵消导频污染。

Oct, 2019