無線量子化連合学習:結合計算と通信設計【JST・京大機械翻訳】

Bouzinis Pavlos S.; Diamantoulakis Panagiotis D.; Karagiannidis George K.

プレプリント

J-GLOBAL ID：202202202279477266 整理番号：22P0302528

無線量子化連合学習:結合計算と通信設計【JST・京大機械翻訳】

Wireless Quantized Federated Learning: A Joint Computation and Communication Design

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月11日プレプリントサーバーでの情報更新日： 2022年03月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近,連合学習(FL)は,プライバシーと低遅延を提供する有望な分散機械学習アプローチとして,広く注目されている。しかし,通信ボトルネックは,無線ネットワーク上のFLの効率的な展開のために解決する必要がある課題をまだ構成している。本論文では,アップリンク伝送の前に局所モデルパラメータを量子化することにより,FLの全収束時間を最小化することを目指した。より具体的に,確率的量子化によるFLアルゴリズムの収束解析を最初に提示して,それは収束速度に及ぼす量子化誤差の影響を明らかにした。それに続いて,収束解析から生じるエネルギーおよび量子化誤差要求を受ける,すべてのグローバルラウンドにわたる最小収束時間を保証するために,計算,通信資源および量子化ビットの数を同時に最適化する。収束時間に対する量子化誤差の影響を評価し,モデル精度とタイムリーな実行の間のトレードオフを明らかにした。さらに,提案方法は,ベースライン方式と比較して,より速い収束をもたらすことが示された。最後に,量子化誤差許容の選択のための有用な洞察を与えた。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

無線通信一般 , 通信網 , システム設計・解析

, , , ,

前のページに戻る