Kanal ve Enerji Duyarlı Çizelgeleme ile Federe Ögrenme

Cakir Z., Ceran Arslan E. T.

2022 30th Signal Processing and Communications Applications Conference (SIU), Karabük, Türkiye, 15 - 18 Mayıs 2022, ss.1-4

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Karabük
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-4
  • Orta Doğu Teknik Üniversitesi Adresli: Evet

Özet

Bu calısmada, ortamdan enerji hasat edebilen .ok

sayıda cihazın, kanal durumuna ba˘glı olarak bir makine .˘grenmesi

modelini e˘gitti˘gi federe .˘grenme modeli incelenmi.stir. Ana

odak, hata olasılıklı kablosuz kanal üzerinde ve kesintili enerji

kullanılabilirli˘gi durumunda dahi literatürdeki federe .˘grenme

algoritmaları ile aynı yakınsamayı sa˘glayan bir algoritma geli.stirmektir.

Bu ba˘glamda, kullanıcıların kanal durumu ve enerji

profili dikkate alınarak bir .izelgeleme y.ntemi ve kullanıcılardan

elde edilen yerel gradyan verilerinin a˘gırlıklandırılması ile

federe .˘grenme süreci optimize edilmi.stir. .nerilen algoritmanın

performansı deneylerle g.sterilmi.stir.

In this paper, a federated learning setup in which multiple devices capable of harvesting energy from the environment train a machine learning model based on the intermittent availability of the energy and channel is studied. The main focus is on developing an algorithm that achieves the same convergence as state-of-the-art federated learning methods in a scenario with an error-prone channel and intermittent energy availability. We propose a federated learning algorithm that schedules distributed clients and weighting their local gradients according to the energy and channel profiles of each client. The performance of the proposed algorithm has been demonstrated with the experiments.