论文标题：Prototype-Based Collaborative Learning in UAV-Assisted Edge Computing Networks
作者信息：Enze Yu1,2, Haipeng Dai1,2, Haihan Zhang1,2, Zhenzhe Zheng3, Jun Zhao4, Guihai Chen1,2
-
- State Key Laboratory for Novel Software Technology, Nanjing University, Jiangsu, China
-
- School of Computer Science, Nanjing University, Jiangsu, China
-
- Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China
-
- School of Computer Science and Engineering, Nanyang Technological University, Singapore, Singapore
- 对应作者：Haipeng Dai (haipengdai@nju.edu.cn)
论文出处：Software: Practice and Experience, 2024; 0:1--18
摘要： 随着人工智能物联网（AIoT）的兴起，智能城市和工业得到了发展，无人机（UAV）辅助的边缘计算网络成为支持这些场景的重要技术。本文提出了一种基于原型的联合优化和训练软件系统，旨在减少训练和推理延迟，提高用户满意度。该系统包括优化模块和训练模块，通过轻量级原型传输和原型聚合，实现多个无人机和边缘服务器之间的协作训练。研究结果表明，该方法在减少原型误差和能耗的同时，提高了模型的准确性，并且通信负担较小。
1. 引言： 介绍了人工智能（AI）与物联网（IoT）结合的背景，以及无人机在智能城市和工业中的应用。边缘计算技术弥补了无人机计算资源的局限性，无人机作为动态灵活的基础设施，协助边缘网络数据处理和通信任务。本文提出了一种基于原型的联合优化和训练软件系统，通过优化资源和训练，在资源受限的环境中实现性能优化。
2. 相关工作： 从学习优化和无人机辅助边缘网络的协作学习两个角度回顾了相关工作。这些工作分别对应于优化模块和训练模块。
3. 系统概述： 介绍了基于原型的联合优化和训练软件系统，该系统可以在多个无人机和边缘服务器上运行，包括优化模块和训练模块。优化模块负责收集无人机的资源信息并解决联合优化问题，而训练模块则在边缘服务器和无人机上运行，完成基于原型的协作训练。
4. 数据收集和训练的优化： 详细介绍了数据收集模型、协作训练模型和无人机能耗模型，并提出了一个最小化原型误差和能耗的优化问题。
5. 基于原型的协作学习： 介绍了如何在多个无人机和一个边缘服务器之间通过原型交互进行协作训练。提出了一种协作训练方法，并分析了该方法的收敛性。
6. 实验： 通过模拟实验验证了所提出的系统的性能，包括优化模块和训练模块的具体实现和效果评估。
7. 讨论： 讨论了所提出软件系统的可替换性和场景的可扩展性，以及在持续学习等特定情况下的应用。
8. 结论： 总结了本文提出的基于原型的无人机辅助边缘计算网络的联合训练和优化软件系统，验证了系统的性能，并强调了其在实际应用中的潜力和优势。