Contribution-Aware Federated Edge Learning for Robust Resource Allocation in Massive IoT Networks
Este artículo propone un algoritmo de aprendizaje federado en el borde consciente de la contribución (CA-FE-MADDPG) que integra el modelado de interferencia espacial, mecanismos de penalización de grano fino e inicialización guiada por heurística para abordar la interferencia de espectro, la asignación injusta de créditos y la no estacionariedad ambiental en redes masivas de IoT, mejorando así significativamente el rendimiento del sistema, las tasas de acceso y la calidad del servicio.