BriefGPT - AI 论文速递
·
适用于 LEO 星座结合 HAPs 的混合 NOMA-OFDM 的高效通信联邦学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种利用非正交多址接入技术的分层联邦学习系统，旨在最小化时间和能源成本。通过模糊逻辑的客户端编排策略和边缘服务器调度和资源分配问题的解决，实现了分层联邦学习性能提升和总成本降低。
🎯
关键要点
- 提出了一种利用非正交多址接入技术的分层联邦学习系统。
- 目标是最小化分层联邦学习全局轮次中的时间和能源成本。
- 采用基于模糊逻辑的客户端编排策略，考虑客户端的异质性。
- 制定了联合边缘服务器调度和资源分配问题。
- 通过罚函数对偶分解方法导出了边缘服务器调度子问题的闭式解。
- 提出了一种基于深度确定性策略梯度的算法解决资源分配子问题。
- 仿真实验证明该方案在性能提升和成本降低方面优于基准。
➡️
