面向联合学习的D2D计算任务卸载

论文摘要

联合学习是一种分布式机器学习,边缘节点的计算和通信资源受限等因素是限制其性能优化的瓶颈。当边缘节点的计算和通信能力异构时,需要对通信和计算进行联合优化。提出了一种面向联合学习的D2D计算任务卸载方案,不同边缘节点通过D2D通信交换数据样本,平衡节点的处理能力和任务负载,以最小化联合学习模型训练过程的总时延。仿真结果表明,所提出的D2D计算任务卸载方案能显著提高联合学习的模型训练速度和效率。

论文目录

• 1 引言
• 2 联合学习
• 3 问题建模
•   3.1 面向联合学习的D2D计算任务卸载
•   3.2 问题建模与优化
• 4 仿真实验
•   4.1 实验设置
•   4.2 实验结果与分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 蔡晓然,莫小鹏,许杰

关键词: 联合学习,移动边缘计算,任务卸载,通信

来源: 物联网学报 2019年04期

年度: 2019

分类: 信息科技

专业: 电信技术,自动化技术

单位: 广东工业大学信息工程学院

基金: 国家重点研发计划资助项目（No.2018YFB1800800）,广东省重点领域研发计划资助项目（No.2018B030338001)~~

分类号: TN929.5;TP181

页码: 82-90

总页数: 9

文件大小: 1494K

下载量: 273