.png){kind=icon}
返回
Efficient UAV Swarm-Based Multitask Federated Learning With Dynamic Task Knowledge Sharing
.png){kind=icon}
PRE
AI
DOI：10.1109/JIOT.2026.3672872.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人机群在应急通信、区域监控和灾害救援中广泛应用。它们的操作由控制中心协调，非常适合联邦学习（FL）框架。然而，当前的无人机FL方法忽略了无人机图像中的丰富信息以及使用单一数据集完成多个任务的潜力。例如，在灾害救援场景中，无人机获取的图像可支持人群检测、道路通行性分析和灾害影响评估等任务。这些任务具有时变需求，并可能存在潜在关联。为满足这些需求，本文引入两种核心机制：动态任务注意力机制，用于评估任务重要性以实现高效资源分配；以及任务关联（TA）指标，用于捕捉任务间关联以实现知识共享。基于这些创新，我们提出FedDya，一种基于无人机群的单一数据集多任务FL框架，其中地面应急车辆（EVs）与无人机合作，利用单一数据集完成多项任务。为优化资源分配，我们构建双层优化问题，联合优化无人机传输功率、计算频率、带宽分配和无人机-EV关联。对于内层问题，推导出传输功率、计算频率和带宽分配的闭式解，并采用块坐标下降法进行优化。对于外层问题，设计了一种新型两阶段算法以确定最优无人机-EV关联。此外，理论分析揭示了无人机能耗违规与多任务性能之间的权衡关系，表现为$\mathcal {O}((V)^{1/2},1/V)$关系。大量仿真结果进一步验证了所提方案的有效性。
Keyword:
Knowledge sharing
one-dataset multitask federated learning (FL)
resource allocation and uncrewed aerial vehicle (UAV)-emergency vehicle (EV) association
task attention mechanism
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
Over-the-Air Federated Multi-Task Learning via Model Sparsification, Random Compression, and Turbo Compressed Sensing通过模型稀疏、随机压缩和Turbo压缩感知实现空中联合多任务学习
PREAI
分享收藏Model-Enabled Task-Oriented Semantic Communications Through Knowledge Synchronization通过知识同步实现模型支持的面向任务的语义通信
PREAI
分享收藏Client Selection and Bandwidth Allocation in Wireless Federated Learning Networks: A Long-Term Perspective无线联合学习网络中的客户端选择和带宽分配: 长期观点
OAAI
OAAI分享收藏分享收藏Feature Selection Using Approximated High-Order Interaction Components of the Shapley Value for Boosted Tree Classifier.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容