典型文献
基于脉冲神经网络的无线空中联邦学习
文献摘要：
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.
文献关键词：
联邦学习;空中计算;脉冲神经网络;深度学习;凸优化
中图分类号：
作者姓名：
杨瀚哲;游家伟;文鼎柱;石远明
作者机构：
上海科技大学, 上海 201210
文献出处：
引用格式：
[1]杨瀚哲;游家伟;文鼎柱;石远明-.基于脉冲神经网络的无线空中联邦学习)[J].移动通信,2022(09):14-19
A类：
B类：
脉冲神经网络,中联,联邦学习,数据隐私,分布式数据,智能模型,边缘人工智能,无线网络,网络边缘,边缘部署,深度神经网络,移动设备,能量消耗,低消耗,耗神,联邦边缘学习,计算量,通信开销,学习训练,空中计算,计算技术,局部模型,二次约束二次规划,二次规划问题,分枝定界,CIFAR10,半正定松弛,凸优化
AB值：
0.401884
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
