Optimizing IoT Data Collection for Federated Learning Under Constraint of Wireless Bandwidth
Author
Motivation
IoTの問題
デバイスの増加
各デバイスのデータ生成量の増加
それらによる利用帯域・計算コストの増加
従来法によるデータ収集・解析が難しい
膨大な量のデータの保管・解析を可能にする
FLの精度は各サーバにあるデータの量と分布に影響される 量と分布は帯域の制約に従って決めた伝送経路から決まる IoTデバイスからBSへのデータ転送を最適化
Method
IoTデバイスからどのBSにデータを送信するか決定
BSs: base stations
IoTデバイスのデータを集約するサーバ
BS上でFLするっぽい
適切な伝送で量と分布を最適化
提案手法とナイーブを比較
実験は二種
数値実験
三種類の機械学習モデルで実験
Insight
提案手法はナイーブと比べて精度を改善
いずれの実験でも改善された
実験2は平均値で見ていた?
詳しい設定は見てない
データ転送の最適化でFLの精度が向上
IoTデバイスから各サーバにデータを送信しFLを行う想定シナリオにおいて
提案手法によって各サーバはデータ量と分布が最適になるようデータ送信された
データ転送の観点から精度の向上が実現
Keyword
Unknown
より複雑なモデルでの検証
IoTデバイスとサーバ間の通信に用いるプロトコルは何か BSを用意するシナリオが現実的か
精度向上は確からしいのか
FLについて,バッテリー制約も同時に満たせないか
モデル転送?についても考慮できないか
Reflection
テーマ未定のため後で考えるのが良いのでは
Reference
留意点
僕がきちんと読めていない可能性がある
統合の方法を見る必要があるかも
関連論文に異質なモデルの統合とかがあるように見えたので