面向6G算力网络的联邦学习通信效率优化

蔡逸卓; 雷波; 赵倩颖; 彭竞; 卫敏; 张禹舜; 张兴

doi:10.1631/FITEE.2300122

Your Location：

Home >

Browse articles >

面向6G算力网络的联邦学习通信效率优化

专题 | Updated：2024-06-03

- 面向6G算力网络的联邦学习通信效率优化
  Enhanced Publication
- Communication efficiency optimization of federated learning for computing and network convergence of 6G networks
- “在6G网络领域，联邦学习的研究取得了重大进展。计算和网络融合（CNC）范式是6G不可或缺的一部分，它提供了一种新的架构，可以提高联邦学习的训练和通信效率。通过利用CNC的功能来指导联邦学习中的设备训练，该研究优化了复杂网络中的通信效率，有效地平衡了设备延迟并提高了资源利用率。”
- 信息与电子工程前沿（英文） 2024年25卷第5期页码：713-727
- Affiliations：
  
  1.Wireless Signal Processing and Network Laboratory, Beijing University of Posts and Telecommunications, Beijing 100876, China
  2.Research Institute of China Telecom Co., Ltd., Beijing 102209, China
  3.Beijing Telecom, Beijing 100011, China
- Author bio：
  
  ‡Corresponding authors
- Funds：
  
  National Natural Science Foundation of China(62271062;62071063)
- DOI：10.1631/FITEE.2300122
  中图分类号： TP393
- 纸质出版日期：2024-05-0 ，
  
  收稿日期：2023-02-28，
  
  录用日期：2023-10-17
- Accepted：
Scan QR Code
蔡逸卓, 雷波, 赵倩颖, 等. 面向6G算力网络的联邦学习通信效率优化[J]. 信息与电子工程前沿（英文）, 2024,25(5):713-727.

YIZHUO CAI, BO LEI, QIANYING ZHAO, et al. Communication efficiency optimization of federated learning for computing and network convergence of 6G networks. [J]. Frontiers of information technology & electronic engineering, 2024, 25(5): 713-727.
蔡逸卓, 雷波, 赵倩颖, 等. 面向6G算力网络的联邦学习通信效率优化[J]. 信息与电子工程前沿（英文）, 2024,25(5):713-727. DOI： 10.1631/FITEE.2300122.

YIZHUO CAI, BO LEI, QIANYING ZHAO, et al. Communication efficiency optimization of federated learning for computing and network convergence of 6G networks. [J]. Frontiers of information technology & electronic engineering, 2024, 25(5): 713-727. DOI： 10.1631/FITEE.2300122.

浏览量

Downloads

CSCD

文章被引用时，请邮件提醒。

Submit

工具集

关联资源

Federated learning on non-IID and long-tailed data via dual-decoupling

A survey of energy-efficient strategies for federated learning in mobile edge computing

Federated mutual learning: a collaborative machine learning method for heterogeneous data, models, and objectives

Federated unsupervised representation learning

面向6G算力网络的联邦学习通信效率优化

Communication efficiency optimization of federated learning for computing and network convergence of 6G networks

DOI：10.1631/FITEE.2300122