文档名：基于分层联邦学习的无人机小基站RAN切片方法
摘要：针对多架无人机共同为地面用户提供差异化服务的场景,本文提出一种基于分层联邦学习的动态RAN(RadioAccessNetwork)切片框架,目的是提升切片性能隔离效果、减少协同训练过程的通信代价.考虑到无人机动态部署和数据不足等特点,本文通过数据增广促进本地模型训练.为了使得距离地面基站较远的无人机有更多机会参与联邦学习并降低通信代价,本文根据位置和数据分布信息设计支持边缘模型聚合的无人机分簇策略.在此基础上,本文探索基于注意力机制的边缘和全局模型聚合方案,以增强全局模型的泛化能力.仿真结果表明,与联邦平均和分布式LSTM(LongShort-TermMemory)相比,所提方案在切片性能隔离的时长占比上分别有8.4%和16.5%的提升,并降低了无人机协同训练的通信代价.
作者：殷珉 沈航 王天荆 白光伟Author：YINMin SHENHang WANGTian-jing BAIGuang-wei
作者单位：南京工业大学计算机与信息工程学院,江苏南京210000
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(7)
分类号：TP393
关键词：无人机小基站 RAN切片 分层联邦学习 边缘模型聚合 注意力机制
Keywords：drone-small-cell radioaccessnetworkslicing hierarchicalfederatedlearning edgemodelaggregation attentionmechanism
机标分类号：TN929.5TP333U661.32
在线出版日期：2023年9月27日
基金项目：基于分层联邦学习的无人机小基站RAN切片方法[
期刊论文] 电子学报--2023, 51(7)殷珉 沈航 王天荆 白光伟针对多架无人机共同为地面用户提供差异化服务的场景,本文提出一种基于分层联邦学习的动态RAN(RadioAccessNetwork)切片框架,目的是提升切片性能隔离效果、减少协同训练过程的通信代价.考虑到无人机动态部署和数据不足...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于分层联邦学习的无人机小基站RAN切片方法 Hierarchical Federated Learning-Based RAN Slicing for Drone-Small-Cells
基于分层联邦学习的无人机小基站RAN切片方法.pdf
- 文件大小:
- 2.51 MB
- 下载次数:
- 60
-
高速下载
|
|
