CCSS: Collaborative Research: Towards a Resource Rationing Framework for Wireless Federated Learning

CCSS：协作研究：无线联邦学习的资源配给框架

基本信息

批准号：
2033681
负责人：
Jie Xu
金额：
$ 20万
依托单位：
University of Miami
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2020
资助国家：
美国
起止时间：
2020-09-01 至 2024-08-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=2033681&HistoricalAwards=false
关键词：
CCSS Collaborative Research Towards Resource

项目摘要

Federated learning (FL) is an emerging distributed machine learning paradigm that has many attractive properties. Despite the early studies that have demonstrated the potential of jointly optimizing communication and computation, existing designs are not tailored to the unique characteristics of FL. This project aims at developing a novel and rigorous resource allocation framework for wireless FL, which we term resource rationing to emphasize balancing resources over time so that the long-term impact to the final learning outcome is explicitly captured. Resource rationing is built on a rigorous theoretical foundation and guides the algorithmic development that solves specific resource allocation problems in both physical and Media Access Control (MAC) layers. Federated learning is an emerging new application for wireless communications, and this project has potential to advance the technology development of this new use case. Meanwhile, the theoretical foundation, algorithms, and validation will broadly advance the state of the art in machine learning, communication theory, and wireless networking. Developing such practical and impactful technology would also help maintain the leadership of the United States in wireless technologies as well as keep the pipeline to supply high-quality, well-trained, and innovative engineers.The project pursues synergistic activities for the successful design and implementation of resource rationing for wireless FL. Novel convergence analysis of FL with varying resource in each learning round is carried out, which establishes the general later-is-better principle. Guided by the theoretical foundation, the project further builds a comprehensive algorithmic framework for specific resource rationing designs, ranging from physical layer bit loading and adaptive coding and modulation to the MAC layer client selection, bandwidth allocation, and power control.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.

联合学习（FL）是一种新兴的分布式机器学习范式，具有许多有吸引力的特性。尽管早期的研究表明了共同优化沟通和计算的潜力，但现有设计并不是针对FL的独特特征量身定制的。该项目旨在为无线FL开发一个新颖而严格的资源分配框架，我们将资源配给以随着时间的推移而强调平衡资源，以便明确捕获对最终学习结果的长期影响。资源配给建立在严格的理论基础上，并指导算法开发，该算法开发解决了物理和媒体访问控制（MAC）层中特定资源分配问题。 Federated Learning是一个新兴的无线通信应用程序，该项目有潜力推进这种新用例的技术开发。同时，理论基础，算法和验证将在机器学习，通信理论和无线网络中广泛推进最新技术。开发这种实用和有影响力的技术还将有助于维持美国在无线技术方面的领导，并保持管道以提供高质量，培训和创新的工程师。该项目从事协同活动，以成功设计和实施用于无线无线FL的资源侵害。在每个学习回合中，对FL的新型收敛分析进行了不同的资源，从而确立了一般的后期原理。在理论基础的指导下，该项目进一步建立了针对特定资源配给设计的全面算法框架，从物理层的位加载和自适应编码和调制到MAC层客户的选择，带宽分配以及权力控制。该奖项反映了NSF的法定任务，并通过评估构成了构成群体的范围，并反映了该奖项的范围。

项目成果

期刊论文数量（6）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Client Selection and Bandwidth Allocation in Wireless Federated Learning Networks: A Long-Term Perspective

DOI：
10.1109/twc.2020.3031503
发表时间：
2021-02-01
期刊：
IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS
影响因子：
10.4
作者：
Xu, Jie;Wang, Heqiang
通讯作者：
Wang, Heqiang

Resource Rationing for Wireless Federated Learning: Concept, Benefits, and Challenges

DOI：
10.1109/mcom.001.2000744
发表时间：
2021-04
期刊：
IEEE Communications Magazine
影响因子：
11.2
作者：
Cong Shen;Jie Xu;Sihui Zheng;Xiang Chen
通讯作者：
Cong Shen;Jie Xu;Sihui Zheng;Xiang Chen

Bandwidth Allocation for Multiple Federated Learning Services in Wireless Edge Networks

DOI：
10.1109/twc.2021.3113346
发表时间：
2021-01
期刊：
IEEE Transactions on Wireless Communications
影响因子：
10.4
作者：
Jie Xu;Heqiang Wang;Lixing Chen
通讯作者：
Jie Xu;Heqiang Wang;Lixing Chen

On Federated Learning with Energy Harvesting Clients

DOI：
10.1109/icassp43922.2022.9746608
发表时间：
2022-02
期刊：
ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
影响因子：
0
作者：
Cong Shen;Jing Yang;Jie Xu
通讯作者：
Cong Shen;Jing Yang;Jie Xu

Seek Common While Shelving Differences: Orchestrating Deep Neural Networks for Edge Service Provisioning

DOI：
10.1109/jsac.2020.3036953
发表时间：
2021-01
期刊：
IEEE Journal on Selected Areas in Communications
影响因子：
16.4
作者：
Lixing Chen;Jie Xu
通讯作者：
Lixing Chen;Jie Xu

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Jie Xu其他文献

Acute myeloid leukemia with t(8;21)(q22;q22.1)/RUNX1-RUNX1T1 and KIT Exon 8 mutation is associated with characteristic mastocytosis and dismal outcomes.

具有 t(8;21)(q22;q22.1)/RUNX1-RUNX1T1 和 KIT 外显子 8 突变的急性髓系白血病与特征性肥大细胞增多症和不良结局相关。

DOI：
发表时间：
2019
期刊：
Experimental and molecular pathology (Print)
影响因子：
0
作者：
W. Xie;Sa A. Wang;C. Yin;Jie Xu;Shaoying Li;C. Bueso;L. Medeiros;G. Tang
通讯作者：
G. Tang

鉄触媒によるアルキル化を伴う分子内環化反応を利用した含酸素複素環式化合物の合成

铁催化烷基化分子内环化反应合成含氧杂环化合物

DOI：
发表时间：
2019
期刊：
影响因子：
0
作者：
Masayuki Iwasaki;Jie Xu;Yukari Tani;Liyan Fu;Yuichi Ikemoto;Yasuyuki Ura;Yasushi Nishihara;風尾靖喜，岩﨑真之，西原康師
通讯作者：
風尾靖喜，岩﨑真之，西原康師

Interactions between ultrasonographic cervical length and placenta accreta spectrum on severe postpartum hemorrhage in women with placenta previa

超声宫颈长度与植入性胎盘谱之间的相互作用对前置胎盘妇女严重产后出血的影响

DOI：
发表时间：
2022
期刊：
International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics
影响因子：
0
作者：
Xiaohe Dang;Cuifang Fan;Feipeng Cui;Yi;Guoqiang Sun;Jinghan Ruan;Yilin Fan;Xingguang Lin;Jianli Wu;Yanyan Liu;Shao;Yindi Bao;Jie Xu;H. Du;Suhua Chen;D. Deng;F. Qiao;W. Zeng;Ling Feng;Haiyi Liu
通讯作者：
Haiyi Liu