Coherence-Aware Over-the-Air Distributed Learning under Heterogeneous Link Impairments
Die vorgestellte Arbeit entwickelt ein kohärenzbewusstes Framework für verteiltes maschinelles Lernen über Funknetze, das durch den Einsatz von Produktsuperposition im Downlink und einer partiellen Modellergänzung im Upink die Herausforderungen heterogener Kanalbedingungen und unvollkommener Kanalschätzung adressiert, um die Kommunikationseffizienz und Lerngenauigkeit zu steigern.