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

要約

タイトル：間接通信を用いたフェデレーテッドラーニングにおける顧客アサインメントとUAVルートプランニングの合同最適化

要約：

– フェデレーテッドラーニングは、データを端末に残したまま強力なアプリケーションのための共有モデルを作成することができる機械学習手法であり、データプライバシー、セキュリティ、レイテンシーの向上などの利点がある。
– しかしながら、適切な通信インフラのないリモート地域など、一部のシステムでは顧客とサーバーの直接通信が不可能である場合がある。
– この課題を克服するために、新しいフレームワークであるFedExが提案された。UAV等のモバイル輸送機器を利用して、サーバーと顧客間に間接通信チャネルを確立することで、モデル情報交換が可能になる。
– 間接通信の使用には、輸送機器の移動によって導入される遅延が、グローバルなモデル普及およびローカルなモデル収集の両方に問題を引き起こすため、収束分析および最適化に新たな課題が生じる。
– これに対処するために、FedEx-SyncおよびFedEx-Asyncの2つのアルゴリズムが、輸送機器レベルの同期および非同期学習用に提案されている。また、顧客アサインメントとルートプランニングの合同最適化問題を解決するためのバイレベル最適化アルゴリズムも提案されている。
– シミュレーションネットワーク上で2つの公開データセットを用いた実験的検証により、FedExの有効性が理論に一致する一貫した結果が示された。

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