Joint Client Assignment and UAV Route Planning for Indirect-Communication Federated Learning

要約

タイトル：間接通信フェデレーテッド学習のためのクライアント割り当てとUAV経路計画の統合

要約：
– Federated Learning（FL）は、データを端末に残したまま強力なアプリケーションの共有モデルを作成する機械学習手法であり、データプライバシーの向上、セキュリティの向上、レイテンシーの削減などの利点がある。
– しかし、一部のシステムでは、通信インフラが適切でないリモートエリアのように、クライアントとサーバーの直接通信が不可能なことがある。
– この課題を克服するために、UAVなどのモバイルトランスポーターを使用して、間接的な通信チャネルを確立するFedEx（モデルエクスプレスデリバリーを介したフェデレーテッド学習）フレームワークが提案された。これらのトランスポーターは仲介者として機能し、モデル情報交換を可能にする。
– 間接通信の使用には、遅延が導入されるため、グローバルモデル普及とローカルモデルコレクションの両方に問題が生じるため、収束分析と最適化に新しい課題が発生する。これを解決するために、FedEx-SyncとFedEx-Asyncの2つのアルゴリズムが、トランスポーターレベルでの同期および非同期学習のために提案されている。
– さらに、クライアント割り当てとルートプランニングの統合問題を解決するための2重最適化アルゴリズムが提案されている。
– シミュレートされたネットワークで2つの公開データセットを使用した実験的な検証は、FedExの効果を証明し、理論との一致した一貫した結果を示している。

要約(オリジナル)

Federated Learning (FL) is a machine learning approach that enables the creation of shared models for powerful applications while allowing data to remain on devices. This approach provides benefits such as improved data privacy, security, and reduced latency. However, in some systems, direct communication between clients and servers may not be possible, such as remote areas without proper communication infrastructure. To overcome this challenge, a new framework called FedEx (Federated Learning via Model Express Delivery) is proposed. This framework employs mobile transporters, such as UAVs, to establish indirect communication channels between the server and clients. These transporters act as intermediaries and allow for model information exchange. The use of indirect communication presents new challenges for convergence analysis and optimization, as the delay introduced by the transporters’ movement creates issues for both global model dissemination and local model collection. To address this, two algorithms, FedEx-Sync and FedEx-Async, are proposed for synchronized and asynchronized learning at the transporter level. Additionally, a bi-level optimization algorithm is proposed to solve the joint client assignment and route planning problem. Experimental validation using two public datasets in a simulated network demonstrates consistent results with the theory, proving the efficacy of FedEx.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI