Distributed Swarm Learning for Edge Internet of Things

要約

モノのインターネット (IoT) の急速な成長により、協調的な機械学習タスクのためにワイヤレス エッジにスマート IoT デバイスが広く導入され、エッジ学習の新時代が到来しました。
ハードウェアに制約のある膨大な数の IoT デバイスが、リソースが限られたワイヤレス ネットワークで動作しているため、エッジ ラーニングは、通信と計算のボトルネック、デバイスとデータの異質性、セキュリティ リスク、プライバシー漏洩、非凸最適化、複雑なワイヤレス環境などの大きな課題に直面しています。
。
これらの問題に対処するために、この記事では、人工知能と生物学的群知能を総合的に組み合わせた分散群学習 (DSL) として知られる新しいフレームワークについて検討します。
DSL は、高度な信号処理と通信を活用することで、ワイヤレス ネットワークのエッジにおける大規模な IoT 向けの効率的なソリューションと堅牢なツールを提供します。

要約(オリジナル)

The rapid growth of Internet of Things (IoT) has led to the widespread deployment of smart IoT devices at wireless edge for collaborative machine learning tasks, ushering in a new era of edge learning. With a huge number of hardware-constrained IoT devices operating in resource-limited wireless networks, edge learning encounters substantial challenges, including communication and computation bottlenecks, device and data heterogeneity, security risks, privacy leakages, non-convex optimization, and complex wireless environments. To address these issues, this article explores a novel framework known as distributed swarm learning (DSL), which combines artificial intelligence and biological swarm intelligence in a holistic manner. By harnessing advanced signal processing and communications, DSL provides efficient solutions and robust tools for large-scale IoT at the edge of wireless networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google