【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及无线通信，并且尤其涉及模型优化，诸如对于例如无线边缘网络中的联邦学习(fl)。
技术介绍
1、第三代合作伙伴计划(3gpp)已经开发并且正在开发针对第四代(4g)(也称为长期演进(lte))和第五代(5g)(也称为新无线电(nr))无线通信系统的标准。这种系统除其他特征外，提供诸如基站的网络节点和移动无线设备(wd)之间的宽带通信，以及网络节点之间和wd之间的通信。
2、联邦学习(fl)的背景
3、机器学习方案通常需要基于数据中心或云服务器上可用的海量数据集的集中式模型训练。在无线边缘网络中，无线设备收集可用于训练机器学习模型的数据。这激发了边缘服务器和设备处的新机器学习技术，统称为边缘学习。对于中央云(例如，云网络、云网络中的节点等)处的学习到边缘的迁移受益于无线设备和边缘服务器/节点之间的信息交换。然而，通信资源的稀缺可能导致在边缘(即，在边缘服务器/节点)训练准确的机器学习模型的通信瓶颈。此外，由于对隐私的考虑，希望在无线设备上本地保持数据。集成了来自两个不同领域，即机器学习和通信的技术的通信-高效分布式学习算法可以应用于这些边缘学习场景。
4、作为一种分布式学习方案，联邦学习(fl)允许本地设备协作学习全局模型，而无需向服务器发送本地数据。在fl中，一个操作是将从本地设备发送的本地模型聚合为服务器处的全局模型。为了减少通信开销，机器学习文献主要关注量化、稀疏化和本地更新。这些方法假设无误差传输，并且忽略物理有线或无线通信层。
5、无线边缘网络中fl的背景
<...【技术保护点】
1.一种边缘节点(19)，被配置为与多个无线设备WD(22)通信，所述边缘节点(19)包括：
2.根据权利要求1所述的边缘节点(19)，其中：
3.根据权利要求1和权利要求2中任一项所述的边缘节点(19)，其中所述全局模型是基于本地梯度和全局梯度下降中的至少一项、使用模型平均来更新的。
4.根据权利要求1至3中任一项所述的边缘节点(19)，其中所述多个被更新的本地模型中的每个被更新的本地模型至少部分地基于相应的本地信道状态信息CSI和本地数据。
5.根据权利要求1至4中任一项所述的边缘节点(19)，其中被接收的所述多个信号向量基于至少一个被更新的本地虚拟队列。
6.根据权利要求1至5中任一项所述的边缘节点(19)，其中所述处理电路装置(64)进一步被配置为：
7.根据权利要求6所述的边缘节点(19)，其中经恢复的所述全局模型的所述版本是至少部分基于通信误差的所述全局模型的噪声版本。
8.根据权利要求7所述的边缘节点(19)，其中所述通信误差至少部分地基于由预定阈值限界的噪声值。
9.根
10.根据权利要求1至9中任一项所述的边缘节点(19)，其中所述全局模型的所述更新是基于联邦学习的。
11.一种边缘节点(19)中的方法，所述边缘节点(19)被配置为与多个无线设备WD(22)通信，所述方法包括：
12.根据权利要求11所述的方法，进一步包括：
13.根据权利要求11和权利要求12中任一项所述的方法，其中所述全局模型是基于本地梯度和全局梯度下降中的至少一项、使用模型平均来更新的。
14.根据权利要求11至13中任一项所述的方法，其中所述多个被更新的本地模型中的每个被更新的本地模型至少部分地基于相应的本地信道状态信息CSI和本地数据。
15.根据权利要求11至14中任一项所述的方法，其中被接收的所述多个信号向量基于至少一个更新的本地虚拟队列。
16.根据权利要求11至15中任一项所述的方法，进一步包括：
17.根据权利要求16所述的方法，其中经恢复的所述全局模型的所述版本是至少部分基于通信误差的所述全局模型的噪声版本。
18.根据权利要求17所述的方法，其中所述通信误差至少部分地基于由预定阈值限界的噪声值。
19.根据权利要求11至18中任一项所述的方法，其中所述全局模型的更新包括计算所述多个被更新的本地模型的加权和。
20.根据权利要求11至19中任一项所述的方法，其中所述全局模型的所述更新基于联邦学习。
21.一种无线设备WD(22)，被配置为与边缘节点(19)通信，所述WD(22)包括：
22.根据权利要求21所述的WD(22)，其中所述无线电接口(46)进一步被配置为：
23.根据权利要求22所述的WD(22)，其中所述处理电路装置(50)进一步被配置为：
24.根据权利要求21至23中任一项所述的WD(22)，其中所述处理电路装置(50)进一步被配置为：
25.根据权利要求24所述的WD(22)，其中所述长期发射功率约束基于本地信道状态和所述本地模型。
26.根据权利要求21至25中任一项所述的WD(22)，其中所述处理电路装置(50)进一步被配置为：
27.根据权利要求21至26中任一项所述的WD(22)，其中所述处理电路装置(50)进一步被配置为：
28.根据权利要求21至27中任一项所述的WD(22)，其中更新所述本地模型进一步是基于一个全局模型的经恢复的版本的。
29.根据权利要求21至28中任一项所述的WD(22)，其中所述被更新的全局模型基于所计算的与多个无线设备相关联的多个信号向量的加权和，所述至少一个信号向量是所述多个信号向量的部分，所述WD(22)是所述多个WD(22)的部分。
30.根据权利要求21至29中任一项所述的WD(22)，其中所述被更新的全局模型基于联邦学习。
31.一种无线设备WD中的方法，所述无线设备WD被配置为与边缘节点(19)通信，所述方法包括：
32.根据权利要求31所述的方法，进一步包括：
33.根据权利要求32所述的方法，进一步包括：
34.根据权利要求31-33中任一项所述的方法，进一步包括：
35.根据权利要求34所述的方法，其中所述长期发射功率约束基于本地...
【技术特征摘要】
【国外来华专利技术】
1.一种边缘节点(19)，被配置为与多个无线设备wd(22)通信，所述边缘节点(19)包括：
2.根据权利要求1所述的边缘节点(19)，其中：
3.根据权利要求1和权利要求2中任一项所述的边缘节点(19)，其中所述全局模型是基于本地梯度和全局梯度下降中的至少一项、使用模型平均来更新的。
4.根据权利要求1至3中任一项所述的边缘节点(19)，其中所述多个被更新的本地模型中的每个被更新的本地模型至少部分地基于相应的本地信道状态信息csi和本地数据。
5.根据权利要求1至4中任一项所述的边缘节点(19)，其中被接收的所述多个信号向量基于至少一个被更新的本地虚拟队列。
6.根据权利要求1至5中任一项所述的边缘节点(19)，其中所述处理电路装置(64)进一步被配置为：
7.根据权利要求6所述的边缘节点(19)，其中经恢复的所述全局模型的所述版本是至少部分基于通信误差的所述全局模型的噪声版本。
8.根据权利要求7所述的边缘节点(19)，其中所述通信误差至少部分地基于由预定阈值限界的噪声值。
9.根据权利要求1至8中任一项所述的边缘节点(19)，其中所述全局模型的更新包括计算所述多个被更新的本地模型的加权和。
10.根据权利要求1至9中任一项所述的边缘节点(19)，其中所述全局模型的所述更新是基于联邦学习的。
11.一种边缘节点(19)中的方法，所述边缘节点(19)被配置为与多个无线设备wd(22)通信，所述方法包括：
12.根据权利要求11所述的方法，进一步包括：
13.根据权利要求11和权利要求12中任一项所述的方法，其中所述全局模型是基于本地梯度和全局梯度下降中的至少一项、使用模型平均来更新的。
14.根据权利要求11至13中任一项所述的方法，其中所述多个被更新的本地模型中的每个被更新的本地模型至少部分地基于相应的本地信道状态信息csi和本地数据。
15.根据权利要求11至14中任一项所述的方法，其中被接收的所述多个信号向量基于至少一个更新的本地虚拟队列。
16.根据权利要求11至15中任一项所述的方法，进一步包括：
17.根据权利要求16所述的方法，其中经恢复的所述全局模型的所述版本是至少部分基于通信误差的所述全局模型的噪声版本。
18.根据权利要求17所述的方法，其中所述通信误差至少部分地基于由预定阈值限界的噪声值。
19.根据权利要求11至18中任一项所述的方法，其中所述全局模型的更新包括计算所述多个被更新的本地模型的加权和。
20.根据权利要求11...
【专利技术属性】
技术研发人员：H·阿布泽德，梁本，董敏，王俊程，G·布德罗，
申请(专利权)人：瑞典爱立信有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。