移动边缘学习(MEL)是一种学习范例,可以通过异构边缘设备(例如,IOT设备)来实现对机器学习模型的分布式训练。 Multi-Orchestrator MEL是指具有不同数据集的多个学习任务的共存,每个学习任务由Orchestrator管理,以便于分布式训练过程。在MEL中,培训性能恶化而不提供足够的培训数据或计算资源。因此,激励边缘设备成为学习者并提供其计算资源至关重要,并且提供他们的私人数据或从协调仪接收所需的数据并参与学习任务的培训过程。在这项工作中,我们提出了一种激励机制,我们制定了协调员 - 学习者的互动作为一个2轮Stackelberg游戏,以激励学习者的参与。在第一轮中,学习者决定哪些学习任务从事参与,然后在第二轮培训的数据量,以便他们的效用最大化。然后我们分析游戏并导致学习者的最佳策略。最后,已经进行了数值实验以评估提出的激励机制的性能。
translated by 谷歌翻译