National and Kapodistrian University of Athens
A Safe Reinforcement Learning Approach for Energy Efficient Federated Learning in Wireless Communication Networks
Abstract
dc:descriptionΜε την συνεχώς αυξανόμενη πολυπλοκότητα των επερχόμενων κινητών δικτύων, λόγω της εξάπλωσης των ετερογενών συνδεδεμένων συσκευών και της συνεχούς αύξησης της υπολογιστικής απόδοσης, η ύπαρξη ενός πλαισίου Τεχνητής Νοημοσύνης (ΤΝ) για την αυτοματοποίηση του δικτυακού συστήματος είναι μείζονος σημασίας. Ωστόσο, καθώς προχωράμε προς την εποχή της Δικτυακής Νοημοσύνης, η οποία επιτρέπει τη νοημοσύνη στη συσκευή, προκύπτει ήδη η ανάγκη για ένα νέο πρότυπο δικτύωσης που είναι ενισχυμένο από τη ΤΝ και θα αναγνωρίζει τις ποικίλες και ετερογενείς οντότητες του δικτύου, μαζί με τις αντίστοιχες υπολογιστικές τους δυνατότητες, για να υποστηρίζει ένα τέτοιο πολύπλοκο δικτυακό σύστημα με ΤΝ. Αρχικά, η παρούσα διπλωματική παρουσιάζει μια ανασκόπηση των πιο σύγχρονων λύσεων ΤΝ για επικοινωνίες επικεντρωμένες στην υπολογιστική ισχύ, με έμφαση στο τομέα της ενέργειας. Από την ανάλυση των πιο σύγχρονων τεχνολογιών, παρατηρείται εύκολα ότι ένα πλαίσιο ΤΝ, γνωστό ως Ομοσπονδιακή Μάθηση (ΟΜ), είναι μια αναδυόμενη τεχνική. Στη συνέχεια, παρουσιάζεται μια εκτενής περιγραφή του δικτυακού συστήματος, παρέχοντας έναν συνεκτικό μοντέλο συστήματος. Επίσης, παρέχεται μια εκτενής περιγραφή του διαμορφωμένου προβλήματος προς ένα δικτυακό σύστημα καθοδηγούμενο από τη ΤΝ. Προς αυτόν τον σκοπό, προτείνεται η λύση του Soft Actor Critic (SAC) Ενισχυτικής Μάθησης (ΕΜ) που στοχεύει στην ελαχιστοποίηση της συνολικής κατανάλωσης ενέργειας μίας τεχνολογίας ΟΜ. Η αποτελεσματικότητα της προτεινόμενης μεθόδου παρουσιάζεται με αποτελέσματα που συγκρίνονται με τρεις προηγμένες λύσεις.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Πετροπουλέας Νικόλαος
- Petropouleas Nikolaos
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, English, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:3338320