没有合适的资源?快使用搜索试试~ 我知道了~
Federated learning enables 6 G communication technology Requirem
需积分: 0 0 下载量 117 浏览量
2024-05-14
13:41:35
上传
评论
收藏 2.18MB DOCX 举报
温馨提示
试读
16页
翻译
资源推荐
资源详情
资源评论
亚历山大工程杂志 91(2024)658–668
正文部分:
1. 介绍促进工业 4.0 和即将到来的工业 5.0 启示的各种技术。鲍尔实验室的第一代(1 G)网络开发在
通信方面有五项更新近几十年来,通信技术随着
缩写:2D,二维;3D,三维;第一代 1G;2G,第二代;3G,第三代;4G,第四代;5G,第五
代;6G,六代;AI,人工智能;接入点;AR、增强现实;AutoFL,自动化联邦学习;基带处理单
元;BS,基站;CL,集中学习;面向通信的体系结构;协作多点;DL,深度学习;DP,差分隐
私;EMBB,增强型移动宽带;EV,电动汽车;FL,联邦学习;联邦神经架构搜索;GPS,全球定
位系统;LDP,本地差分隐私;ML,机器学习;MMTC,大规模机器类型通信;MRAT,多无线电
接入技术;NAS,神经架构搜索;R&D,研究和开发;射频、无线电频率;SBA,基于服务的架
构;SMV,支持向量机;无人机、无人机;超可靠的低延迟通信;VR,虚拟现实。
*通讯作者
电子邮件地址:mkhasan@ukm.edu.my 哈桑先生,ahasan.diu.eee@gmail.com 又名哈比卜,
shayla@ucsiuniversity.edu.my 伊斯兰教,nurhizam@ukm.edu.my 萨菲,ghazal1000@gmail.com 加扎勒,
attique.khan@ieee.org(M.A .汗),ahmed@ksu.edu.sa(临时代理人阿尔扎拉尼),nalalwan@ksu.edu.sa
阿拉万,skadry@gmail.com(卡德里),anum.masood@ntnu.no(马苏德。
https://doi.org/10.1016/j.aej.2024.02.044
2023 年 12 月 5 日收到;2024 年 2 月 5 日收到修订版;2024 年 2 月 21 日接受
2024 年 3 月 1 日上线
1110-0168/ 2024 作者。由 Elsevier BV 代表亚历山大大学工程学院出版。这是一篇在 CC 许可下的开
放获取文章(http://creativecommons.org/licenses/by/4.0/).
M.K. Hasan et
6
图一。移动网络评估:1–6g
过去四十年的技术,对第二代、第三代、第四
代和第五代网络(2 G、3 G、4 G 和 5 G)产生
了重要影响[1]。从 1 G 到 6 G 网络的演进概述见
Fig. 1。2020 年,第一个商用 5 G 网络启动,研
发(R&D)正在进行中 [2]。5 G 通信网络标准
化正在巩固,现在是时候关注第六代(6 G)网
络中的 R&D 了[3,4]。
5 G 通信网络能够广泛应用于消费电子产品,
即基于虚拟现实(VR)/增强现实(AR)、自动
驾驶和物联网(IoT)的智能医疗保健、智能电
网、智能建筑和城市应用。从技术上讲,5 G 网
络技术涵盖增强型移动宽带(eMBB)、超可靠低
延 迟通 信 ( uRLLC ) 和 大 规 模 机 器 类 型 通 信
(mMTC)。总体而言,5 G 网络标志着专注于基
于服务的架构(SBA)的无线通信技术,以实现
面向通信的架构(COA)的“连接事物”[5]。
取代 5 G 网络中 SBA 和 COA 之间的“连接物”,
6 G 通信网络的发展将彻底改变无线网络面向
“互联智能”的通信技术。从技术上讲,6 G 网
络技术将覆盖具有新基础设施、新服务和新媒体
的消费电子应用,并嵌入高级人工智能 [6],并
通过智能服务和应用程序在任何地方高效地学习、
生成、传输和收集数据。6 G 网络技术需要强大
的保密性和高级别的安全性。特别是,6 G 技术
将是以人为中心的 AI 适用的超柔性架构概念。
因此,利用集中式 ML 方案来优化这些开发中的
应用程序是很困难的[7]。同时,由于有限的通信
能力,所有边缘设备都难以将其生成的数据发送
到参数服务器进行集中式 ML。
FL[8] 是一个有前途的分布式 ML 框架,它在
具有分散 ML 方案的边缘设备上工作,这些设备
将模型更新发送到集中式参数服务器而不是原
始数据,因为它们一起工作以使用本地数据构
建共享模型[9]。在基站(BS)中,FL 框架中的
所有边缘设备通过广播本地学习的模型来开发
M.K. Hasan et
6
学习模型,同时通过 6 G 网络维护本地训练数 据。可以进行飞行
图二。FL 支持 6 G 网络概述。
图 3。审查方法。
M.K. Hasan et
6
在这种情况下,每个设备都可以与附近的设备连
接,而不需要参数服务器。FL 可以增强用户数
据隐私,因为在用户级别,本地数据集无法访问
数据中心。支持 FL 的 6 G 通信技术具有实现优
势;
• 代替大量的训练数据交换,本地 ML 方案参数
可以使用较少的无线功率和资源。
• 通过局部调整 ML 模型参数减少传输延迟。在
本地边缘设备上增加数
• 据隐私 ML 模型参数被上传并在用户端设备上
保留训练数据;当使用边缘数据集使用各种学
习技术训练几个分类器时,有望获得更高的
• 学习性能。
动机:由于这些考虑因素,允许电子设备协作
构建包括本地培训在内的相同学习框架的分布式
学习方法是有用的。FL是最有趣的分布式 ML 框
架之一。FL
[10] 支持用户识别并收集详细预测;无线内部和
外部因素共同学习统一的预测模型,同时将获取
的数据保存在他们的设备上。根据结果,BS 可
以有效地将无线能力投射到中的设备 Fig. 2。FL
可应用于各种用例,包括资源分配、网络控制、
干扰终止和用户分组,以解决困难的凸和非凸问
题。此外,FL 允许用户将收集的数据存储在他
们的电子设备上,以便以协作方式进行用户识别、
无线网络调查和集成预测模型学习。BS 可以根
据预期的结果以富有成效的方式向设备分配无线
服务。尽管 FL能够通过 6 G通信和隐私敏感应用
程序实现以人为中心的人工智能,但由于学术界
和工业界的早期研究,适用于 6 G的 FL面临新的
挑战。在过去的五年中,对 FL和 6 G网络通信技
术进行的几项研究分别关注不同应用研究领域的
基本挑战。FL 概念的基本原理和高级应用见
[11,12]。Lim 等人讨论了基于 FL 的边缘设备的网
络安全和隐私 [13]。中介绍了基于 FL的无线通信
和要求[14]。Dang 等人。[2] 浅谈 6 G 网络及应用。
张等人。[15]增强设备选择和频谱分配优化的 FL。
这些调查为工业界和学术界提供了重要的经验和
基本知识。然而,对 FL支持 6 G通信技术的批判
性讨论仍然缺乏。关于 FL 支持 6 G 网络的关注,
这篇重要的文献综述有效地进行了讨论。根据文
献综述,本研究的第一步是介绍和讨论 FL 如何
实现 6 G 网络通信技术、
要求、挑战、优势和未来可能的增强范围。
调查方法:本研究介绍了支持 FL 的 6 G 技术,
以确定需求、应用、当前挑战和未来方向。对于
这项研究,通过筛选过程选择了几篇文章。使用
谷歌学术、Scopus、科学网和 Research Gate 数据
库搜索所有相关文章。我们使用“联邦学习”、
“6 G网络”和“面向6 G网络的联邦学习”作为
关键字。经过初步筛选,我们根据期刊影响因子、
稿件引用数和发表年份选择了一些文章。然后我
们根据特定的关键词指定核心文章:联邦学习、6
G 网络、FL 应用、FL 挑战、6 G 需求、6 G 应用
和 6 G 挑战。然后我们阅读标题、摘要、简介、
关键词和结论。最后,根据内容我们选择了手稿,
剩余15页未读,继续阅读
资源评论
老衲在深渊
- 粉丝: 1129
- 资源: 3
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功