Wirelessly Powered Federated Learning Networks: Joint Power Transfer, Data Sensing, Model Training, and Resource Allocation

要約

Federated Learning (FL) はワイヤレス ネットワークで多くの成功を収めています。
しかし、FL の実装は、モバイル デバイス (MD) のエネルギー制限と MD でのトレーニング データの利用可能性によって妨げられてきました。
持続可能な FL ソリューションに向けてワイヤレス電力伝送とモバイル クラウドセンシングをどのように統合するかは、公開されている文献にはまったく欠けている研究テーマです。
この研究では、合計完了時間を最小限に抑えることを目的として、協調センシング支援持続可能な FL (S2FL) ネットワークにおけるリソース割り当ての問題を初めて調査します。
私たちは、エネルギーが制限された MD が最初に RF 信号からエネルギーを収集し、それを使用してユーザーの参加に対する報酬を獲得し、環境からトレーニング データを感知し、MD でローカル モデルをトレーニングし、
モデルの更新をサーバーに送信します。
電力伝送、送信電力割り当て、データ センシング、帯域幅割り当て、ローカル モデル トレーニング、およびデータ送信を組み合わせて最適化する合計完了時間の最小化問題は、非凸の目的関数、高度に非凸の制約、および強結合変数により複雑になります。
。
我々は、分解手法を介して最適解を取得するための、計算効率の高いパス追跡アルゴリズムを提案します。
特に、内部凸近似はリソース割り当て部分問題に対して開発され、部分問題は反復方式で交互に実行されます。
シミュレーション結果は、他のベンチマーク スキームと比較して、完了時間を最大 21.45% 短縮する提案された S2FL アルゴリズムの有効性を評価するために提供されます。
さらに、周波数分割多元接続 (FDMA) から非直交多元接続 (NOMA) への作業の拡張を調査し、NOMA が対象の FL システムの合計完了時間を平均 8.36% 高速化できることを示します。

要約(オリジナル)

Federated learning (FL) has found many successes in wireless networks; however, the implementation of FL has been hindered by the energy limitation of mobile devices (MDs) and the availability of training data at MDs. How to integrate wireless power transfer and mobile crowdsensing towards sustainable FL solutions is a research topic entirely missing from the open literature. This work for the first time investigates a resource allocation problem in collaborative sensing-assisted sustainable FL (S2FL) networks with the goal of minimizing the total completion time. We investigate a practical harvesting-sensing-training-transmitting protocol in which energy-limited MDs first harvest energy from RF signals, use it to gain a reward for user participation, sense the training data from the environment, train the local models at MDs, and transmit the model updates to the server. The total completion time minimization problem of jointly optimizing power transfer, transmit power allocation, data sensing, bandwidth allocation, local model training, and data transmission is complicated due to the non-convex objective function, highly non-convex constraints, and strongly coupled variables. We propose a computationally-efficient path-following algorithm to obtain the optimal solution via the decomposition technique. In particular, inner convex approximations are developed for the resource allocation subproblem, and the subproblems are performed alternatively in an iterative fashion. Simulation results are provided to evaluate the effectiveness of the proposed S2FL algorithm in reducing the completion time up to 21.45% in comparison with other benchmark schemes. Further, we investigate an extension of our work from frequency division multiple access (FDMA) to non-orthogonal multiple access (NOMA) and show that NOMA can speed up the total completion time 8.36% on average of the considered FL system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google