| |||||||
ShanghaiTech University Knowledge Management System
| 基于脉冲神经网络的无线空中联邦学习 | |
| 其他题名 | Over-the-Air Computation for Federated Learning via Spiking Neural Networks |
| 2022-09-28 | |
| 发表期刊 | 移动通信 |
| ISSN | 1006-1010 |
| 卷号 | 46期号:9页码:14-19 |
| DOI | 10.3969/j.issn.1006-1010.20220804-0003 |
| 摘要 | 联邦学习可以在保护数据隐私的同时,快速地从大量分布式数据中提炼智能模型,已经成为实现边缘人工智能的主流解决方案.然而,现有的联邦学习工作聚焦于在无线网络边缘部署传统的深度神经网络(如卷积神经网络等),给移动设备带来了巨大的计算负载和能量消耗.因此,提出将一种新的低消耗神经网络——脉冲神经网络,应用于联邦边缘学习中.相较于传统的深度神经网络,它训练所需的计算量和能量消耗更低.同时,为了减少通信开销,在每一轮的联邦学习训练中,提出利用空中计算技术来聚合所有局部模型的参数.整个问题是一个二次约束二次规划问题,为解决该问题,提出了一种基于分枝定界算法的算法.通过在CIFAR10数据集上的大量实验表明,该算法优于现有方法,如半正定松弛等. |
| 关键词 | 联邦学习 空中计算 脉冲神经网络 深度学习 凸优化 |
| URL | 查看原文 |
| 语种 | 中文 |
| 原始文献类型 | Periodical |
| 来源库 | WanFang |
| 中图分类号 | TP18 |
| 文献类型 | 期刊论文 |
| 条目标识符 | https://kms.shanghaitech.edu.cn/handle/2MSLDSTB/256275 |
| 专题 | 信息科学与技术学院_硕士生 信息科学与技术学院_PI研究组_石远明组 信息科学与技术学院_PI研究组_文鼎柱组 |
| 作者单位 | 上海科技大学, 上海 201210 |
| 第一作者单位 | 上海科技大学 |
| 第一作者的第一单位 | 上海科技大学 |
| 推荐引用方式 GB/T 7714 | 杨瀚哲,游家伟,文鼎柱,等. 基于脉冲神经网络的无线空中联邦学习[J]. 移动通信,2022,46(9):14-19. |
| APA | 杨瀚哲,游家伟,文鼎柱,&石远明.(2022).基于脉冲神经网络的无线空中联邦学习.移动通信,46(9),14-19. |
| MLA | 杨瀚哲,et al."基于脉冲神经网络的无线空中联邦学习".移动通信 46.9(2022):14-19. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [杨瀚哲]的文章 |
| [游家伟]的文章 |
| [文鼎柱]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [杨瀚哲]的文章 |
| [游家伟]的文章 |
| [文鼎柱]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [杨瀚哲]的文章 |
| [游家伟]的文章 |
| [文鼎柱]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
修改评论
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。