基于6G In-X子网络的联邦学习自适应传感器

吴巧力; 高博

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
同行评议
相关论文
评论

基于6G In-X子网络的联邦学习自适应传感器

首发时间：2023-03-13

吴巧力 ¹
吴巧力（1998-），女，硕士研究生，主要研究方向：无线网络
高博 ²
高博，男，副教授，硕导，主要研究方向：无线网络、移动计算等

1、北京交通大学计算机与信息技术学院，北京 100044
2、北京交通大学高速铁路网络管理教育部工程研究中心，北京 100044

摘要：6G 时代，拥有数据和计算资源的各类终端设备可以通过联邦学习（Federated Learning， FL）进行协作，以实现泛在智能。然而，在任何这些\'X\'（即实体）设备内部，将训练数据从机载传感器无线上传到嵌入式接入点（Access Point，AP）的 6G in-X 子网络可能成为FL过程中的通信瓶颈。为了支持 in-X 子网的通信效率，本文提出了一种自适应传感器调度算法，该算法基于李亚普诺夫优化和最大比率调度方法，共同解决了队列稳定性问题和信息年龄（Age of Information，AoI）优化问题。仿真实验结果表明，所提出的算法实现了更高的联邦学习精度，同时保证了 AP 的队列稳定性和更好的数据新鲜度（质量），以便通过 in-X 子网进行数据上传。

关键词：联邦学习 AoI in-X 子网络传感器调度

For information in English, please click here

Adaptive Sensor Scheduling for Federated Learning over 6G In-X Subnetworks

WU Qiaoli ^{1
2}
吴巧力（1998-），女，硕士研究生，主要研究方向：无线网络
GAO Bo ^{1
2}
高博，男，副教授，硕导，主要研究方向：无线网络、移动计算等

1、School of Computer and Information Technology, Beijing Jiaotong University, Beijing
2、Engineering Research Center of High Speed Railway Network Management, Ministry of Education, Beijing Jiaotong University, Beijing 100044, China

Abstract：In the upcoming 6G era, various end devices with data and computing resources can collaborate through federated learning (FL) to achieve the goal of ubiquitous intelligence. Inside any of those \'X\' (i.e. everything) devices, however, a 6G in-X subnetwork that wire lessly uploads training data from onboard sensors to an embedded access point (AP) may be come a communication bottleneck during the process of FL. To support communication-efficient FL over in-X subnetworks, this paper proposes an adaptive sensor scheduling algorithm that jointly solves a queue stability problem and an age of information (AoI) optimization problem, based on Lyapunov optimization and Max-Ratio scheduling methods. Our simulations show that the proposed algorithm achieves higher FL accuracy, while guaranteeing queue stability at APs and better data freshness (quality) for data uploading over in-X subnetworks.

Keywords： Federated Learning AoI in-X subnetwork Sensor Scheduling

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

吴巧力，高博. 基于6G In-X子网络的联邦学习自适应传感器[EB/OL]. 北京：中国科技论文在线 [2023-03-13]. http://www.yfrlel.com/releasepaper/content/202303-136.

No.****

同行评议

共计0人参与

全部评论

0/1000

论文编号	202303-136
论文题目	基于6G In-X子网络的联邦学习自适应传感器
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.