Distributed caching and learning over wireless channels
Kablosuz kanallar üzerinde dağıtık önbelleğe alma ve makine öğrenmesi
- Tez No: 610744
- Danışmanlar: PROF. DR. TOLGA METE DUMAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda, kodlanmış önbellekleme ve hesaplama, trafik yükünü azalttığı ve hesaplama yükünü uç cihazlara dağıttığı için oldukça dikkat çekti. Bu problemlerin çeşitli yönlerini ele alan birçok araştırma olsa da hala ele alınması gereken birçok zorluk bulunmaktadır. Özellikle, kablosuz kanallar üzerindeki kullanımları tam olarak anlaşılamamıştır. Bu motivasyon ile bu tez, gerçekçi kanal efektleri ve pratik uygulama kısıtlamaları dikkate alınarak bu iki dağıtılmış sistemi kablosuz kanallar üzerinden ele almaktadır. Tezin ilk bölümünde, her alıcının paketinin birbirinden bağımsız ve aynı olasılıkla silindiği paket silme kanalı ile kodlanmış önbellekleme üzerinde çalışmaktayız. Paket silme kanalları için aynı mesajı gönderme (SSM) ve açgözlü kodlanmış önbellekleme olmak üzere iki kodlanmış önbelleğe alma şeması önermekteyiz. Ayrıca, sistem karmaşıklığını azaltmak için açgözlü algoritmanın basitleştirilmiş bir versiyonu olan gruplanmış açgözlü algoritmayı da önermekteyiz. Gruplanmış açgözlü algoritmanın iletim hızı için üst sınır elde etmekte ve bu üst sınırın küçük paket silme olasılıkları için simülasyon sonuçlarına çok yakın olduğunu göstermekteyiz. Sonrasında ise ergodik olmayan sönümleme kanalları üzerinde kodlanmış önbellekleme çalıştık. Bir yayın kanalının çok noktaya yayın kapasitesi en kötü kanal koşullarını yaşayan kullanıcı tarafından kısıtlandığı için, kullanıcıları kanal koşullarına göre gruplandırarak iletim süresini en aza indirecek kodlanmış mesajların üretimine olanak sağlayan optimizasyon problemini elde ettik. Bu sayede, her grup için oluşturulan kodlanmış mesajlar bütün kullanıcıların arasındaki en kötüye göre değil, gruptaki en kötü kullanıcının kanal koşullarına göre gönderilmektedir. Kullanıcı gruplarını belirlemek için yerel olarak en uygun yinelemeli algoritma ve en kısa yol problemiyle sayısal olarak daha verimli bir çözüm olmak üzere ki algoritma geliştirdik. Tezin ikinci bölümünde, büyük bir veri kümesinin bağımsız olarak çalışan makinelere dağıtıldığı, ve her bir bağımsız makinenin kendi veri kümelerine göre yerel gradyan tahminlerini hesapladığı federasyon öğrenimi olarak da bilinen işbirlikçi makine öğrenme (ML) sistemlerini inceledik. Her bir makine hesaplamış olduğu gradyan tahminini kanalın frekans seçiciliğini azaltmak için dikey frekans bölmeli çoğullamalı (OFDM) çok yollu bir sönümlemeli çoklu erişim kanalı (MAC) üzerinden göndermektedir. Makinelerde kanal bilgisi yer almadığından parametre sunucusu (PS) alınan sinyalleri hizalamak için birden fazla anten kullanmaktadır. Güç tüketimini ve donanım maliyetlerini azaltmak için, alıcı tarafında karmaşık değerli düşük çözünürlüklü analog-dijital dönüştürücüler (ADC'ler) kullanmakta; pratik ve düşük maliyetli ADC'lerin sistemin öğrenme performansı üzerindeki etkilerini incelemekteyiz. Teorik analizler ile düşük çözünürlüklü ADC kullanmanın neden olduğu bozuklukların öğrenme algoritmasının yakınsamasını önlemediğini ve PS'de yeterli sayıda anten kullanıldığında sönümleme etkilerinin ortadan kalktığını göstermekteyiz. Ayrıca teorik sonuçlarımızı simülasyonlarla doğrulamakta ve bir bitlik ADC'lerin kullanılmasının öğrenme doğruluğunda çok küçük bir düşüşe sebep olduğunu göstermekteyiz.
Özet (Çeviri)
Coded caching and coded computing have drawn significant attention in recent years due to their advantages in reducing the traffic load and in distributing computational burden to edge devices. There have been many research results addressing different aspects of these problems; however, there are still various challenges that need to be addressed. In particular, their use over wireless channels is not fully understood. With this motivation, this thesis considers these two distributed systems over wireless channels taking into account realistic channel effects as well as practical implementation constraints. In the first part of the thesis, we study coded caching over a wireless packet erasure channel where each receiver encounters packet erasures independently with the same probability. We propose two different schemes for packet erasure channels: sending the same message (SSM) and a greedy approach. Also, a simplified version of the greedy algorithm called the grouped greedy algorithm is proposed to reduce the system complexity. For the grouped greedy algorithm, an upper bound for transmission rate is derived, and it is shown that this upper bound is very close to the simulation results for small packet erasure probabilities. We then study coded caching over non-ergodic fading channels. As the multicast capacity of a broadcast channel is restricted by the user experiencing the worst channel conditions, we formulate an optimization problem to minimize the transmission time by grouping users based on their channel conditions, and transmit coded messages according to the worst channel in the group, as opposed to the worst among all. We develop two algorithms to determine the user groups: a locally optimal iterative algorithm and a numerically more efficient solution through a shortest path problem. In the second part of the thesis, we study collaborative machine learning (ML) systems, which is also known as federated learning, where a massive dataset is distributed across independent workers that compute their local gradient estimates based on their own datasets. Workers send their estimates through a multipath fading multiple access channel (MAC) with orthogonal frequency division multiplexing (OFDM) to mitigate the frequency selectivity of the channel. We assume that the parameter server (PS) employs multiple antennas to align the received signals with no channel state information (CSI) at the workers. To reduce the power consumption and hardware costs, we employ complex-valued low-resolution analog to digital converters (ADCs) at the receiver side and study the effects of practical low cost ADCs on the learning performance of the system. Our theoretical analysis shows that the impairments caused by a low-resolution ADC do not prevent the convergence of the learning algorithm, and fading effects vanish when a sufficient number of antennas are used at the PS. We also validate our theoretical results via simulations, and further, we show that using one-bit ADCs causes only a slight decrease in the learning accuracy.
Benzer Tezler
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT YILDIRIM
- Bölünüme bağlı olmayan varyans çözümlemesi çoklu karşılaştırmalar ve tarımda uygulamaları
Distiribution-free analyis of variance multiple comparisons and applications in agriculture
HAMZA GAMGAM
- Katı yakıtların akışkan yatakta yakılması ve katı miktarının yatak yüksekliğine etkisi
Combustion of solid fuels in the fkuidized beds and the effects of solid quantity to the height of bed
KAMİL BEKİR KOÇ
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. ALİ YÜCEL UYAREL
- Farklı ekim uygulamalarının serada Yalova-5 taze fasulye varyetesinin verim ve kalitesi üzerine etkileri
Başlık çevirisi yok
YASEMİN ÇELEBİ
- Çanakkale ve çevresi artiodactyla fosilleri (paleontoloji, biyostratigrafi, paleoekoloji ve paleobiyocoğrafya) (2 cilt)
Başlık çevirisi yok
VAHDET TUNA