FLSTRA: Federated Learning in Stratosphere

要約

我々は、成層圏フェデレーテッド ラーニング（FL）（FLSTRA）システムを提案します。このシステムでは、高高度プラットフォーム ステーション（HAPS）によって、トレーニング データを共有することなく、多数の地上クライアントがグローバル モデルを共同で学習することが容易になります。
FLSTRA は、クライアント参加の制限やマルチホップ通信によるコンバージェンスの遅さや高い通信遅延など、地上波ネットワークで FL が直面する課題を克服します。
HAPS は、その高度とサイズを活用して、見通し内 (LOS) リンクと強力なサーバーの配置を備えたより多くのクライアントの参加を可能にします。
ただし、多くのクライアントを同時に処理すると、コンピューティングと送信に遅延が発生します。
したがって、FLSTRA の遅延と精度のトレードオフを取得することを目指します。
具体的には、まず、エネルギーとサービス品質 (QoS) の制約を受ける FL 遅延を最小限に抑えるために、アップリンクとダウンリンクの共同クライアント選択およびリソース割り当てアルゴリズムを開発します。
次に、目標の FL 精度を達成しながら収束率の上限を導出する、通信および計算リソース認識 (CCRA-FL) アルゴリズムを提案します。
定式化された問題は非凸です。
したがって、それを解決するための反復アルゴリズムを提案します。
シミュレーション結果は、FL 遅延と精度の観点から、地上ベンチマークと比較して、提案された FLSTRA システムの有効性を示しています。

要約(オリジナル)

We propose a federated learning (FL) in stratosphere (FLSTRA) system, where a high altitude platform station (HAPS) facilitates a large number of terrestrial clients to collaboratively learn a global model without sharing the training data. FLSTRA overcomes the challenges faced by FL in terrestrial networks, such as slow convergence and high communication delay due to limited client participation and multi-hop communications. HAPS leverages its altitude and size to allow the participation of more clients with line-of-sight (LOS) links and the placement of a powerful server. However, handling many clients at once introduces computing and transmission delays. Thus, we aim to obtain a delay-accuracy trade-off for FLSTRA. Specifically, we first develop a joint client selection and resource allocation algorithm for uplink and downlink to minimize the FL delay subject to the energy and quality-of-service (QoS) constraints. Second, we propose a communication and computation resource-aware (CCRA-FL) algorithm to achieve the target FL accuracy while deriving an upper bound for its convergence rate. The formulated problem is non-convex; thus, we propose an iterative algorithm to solve it. Simulation results demonstrate the effectiveness of the proposed FLSTRA system, compared to terrestrial benchmarks, in terms of FL delay and accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google