Machine Learning at the Wireless Edge: Distributed Stochastic Gradient Descent Over-the-Air

We study federated machine learning (ML) at the wireless edge, where power- and bandwidth-limited wireless devices with local datasets carry out distributed stochastic gradient descent (DSGD) with the help of a parameter server (PS). Standard approaches assume separate computation and communication,...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on signal processing Ročník 68; s. 2155 - 2169
Hlavní autoři:	Mohammadi Amiri, Mohammad, Gunduz, Deniz
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 2020 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Approximate message passing (AMP) Bandwidth Bandwidths Channel estimation Computation Convergence Electronic devices Estimates federated learning (FL) Machine learning Machine learning algorithms over-the-air computation Performance evaluation Power management Quantization (signal) Robustness (mathematics) stochastic gradient descent (SGD) Wireless communication Wireless sensor networks
ISSN:	1053-587X, 1941-0476
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!