Jun, 2024
应对高度异质性：航空和空间网络中的联邦学习
Navigating High-Degree Heterogeneity: Federated Learning in Aerial and Space Networks
Fan Dong, Henry Leung, Steve Drew
TL;DR通过使用无人机、气球和卫星，联邦学习利用大量的私有边缘数据和计算能力，为航空和航天网络中的网络和数据隐私挑战提供了一种引人注目的解决方案。然而，异质性和类别不平衡问题对于快速模型收敛仍然是一个重大障碍。本研究探讨了异质性对类别不平衡的影响，并展示了如电池寿命等约束加剧了类别不平衡挑战。我们的结果显示，与其他情景相比，在 ASN（航空航天网络）中基于联邦学习面临更严重的类别不平衡问题，现有的先进算法往往无法有效应对高水平的异质性。