PulseAugur
实时 09:15:31
English(EN) Partially-Observable Transmission Control for UAV-Enabled Federated Learning in IoT Networks

无人机赋能联邦学习框架提升物联网网络可靠性

研究人员开发了一种新的无人机赋能物联网网络联邦学习传输控制框架,以解决不可靠的上行链路更新问题。该框架对缓冲区溢出、延迟违规和传输错误进行建模,以表示局部更新的接收。提出了一种名为FCB(公平性-共识双层)的优化策略,以联合控制传输阈值和功率,旨在最大化数据包交付率并确保物联网学习者之间的公平性。数值结果表明,与现有策略相比,该方法增强了联邦学习的聚合和训练性能。 AI

影响 提高了资源受限的物联网环境中联邦学习的效率和可靠性。

排序理由 这是一篇研究论文,详细介绍了一种针对特定技术问题的新框架和优化策略。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

无人机赋能联邦学习框架提升物联网网络可靠性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Masoud Ghazikor, Zhou Ni, Morteza Hashemi ·

    Partially-Observable Transmission Control for UAV-Enabled Federated Learning in IoT Networks

    arXiv:2608.00855v1 Announce Type: cross Abstract: Uncrewed aerial vehicle (UAV)-enabled federated learning (FL) can provide flexible, on-demand edge intelligence for large-scale IoT deployments, but operating in shared unlicensed bands makes uplink update delivery interference-co…