Coherence-Aware Over-the-Air Distributed Learning under Heterogeneous Link Impairments
Cet article propose un cadre d'apprentissage fédéré sensible à la cohérence qui atténue les hétérogénéités des liens sans fil en combinant une superposition de produits pour la transmission descendante et un remplissage de modèle partiel pour l'agrégation ascendante, garantissant ainsi une convergence efficace malgré les imperfections du canal.