面向联合学习的D2D计算任务卸载

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.

关键词：联合学习、移动边缘计算、任务卸载、D2D通信

所属期刊栏目：3

分类号：TN929

资助基金：国家重点研发计划资助项目2018YFB1800800;广东省重点领域研发计划资助项目2018B030338001

在线出版日期：2020-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：82-90