小细胞网络中的联合学习:对所需基站密度的基于随机几何学的分析
Khoa Anh Nguyen1, Quan Anh Nguyen2, Jun-Pyo Hong1
1Department of Information and Communications Engineering, Pukyong National University, Busan 48513, Republic of Korea.
Sensors (Basel, Switzerland)
|August 26, 2023
概括
无线边缘网络中的联合学习 (FL) 使用随机几何学来分析. 本研究为设计网络提供了指导方针,通过了解节点部署对模型聚合的影响来优化FL性能.
科学领域:
- 无线通信无线通信
- 机器学习 机器学习
- 网络分析 网络分析
背景情况:
- 联合学习 (FL) 正在为安全,分布式机器学习获得吸引力.
- 无线通信对于边缘网络中的FL至关重要,但其影响未得到充分研究.
- 现有的研究缺乏对无线网络对FL的影响的全面分析.
研究的目的:
- 调查地理节点部署对小细胞网络中联合学习 (FL) 的影响.
- 分析无线网络特征对FL模型聚合的影响.
- 为设计高效的无线FL系统提供见解.
主要方法:
- 基于随机几何学的分析,以模拟具有均波桑点过程 (PPP) 节点分布的小细胞网络.
- 用近似来导出封闭式表达式来计算覆盖概率.
- 基于节点密度的模型聚合性能分析.
主要成果:
- 地理节点部署显著影响小细胞网络中的FL模型聚合.
- 来自覆盖概率的封闭式表达式,提供可处理的近似.
- 确定了目标模型聚合率的最低基站 (BS) 密度要求.
结论:
- 这项研究提供了对小细胞无线网络内FL行为的关键见解.
- 这些发现可以指导网络的设计,以提高无线FL的性能.
- 了解节点部署是优化边缘计算环境中的FL的关键.
