联邦学习（FL）是一个有前途的分布式学习技术，特别适用于无线学习场景，因为它可以在没有原始数据运输的情况下实现学习任务，以便保留数据隐私和较低的网络资源消耗。然而，目前在无线网络上的目前的工作并未深入研究由于频道损伤和网络干扰因沟通中断而受到沟通中断的无线网络的基本性能。要准确利用无线网络的FL的性能，本文提出了一种在蜂窝连接的无人机（UAV）网络上的新型间歇性FL模型，其特征在于从UAV（客户）到他们的服务器和数据集之间的数据异质性的通信中断在无人机。我们提出了一个分析讲解框架来导出上行停电概率并使用它来设计基于仿真的方法，以评估所提出的间歇性流动模型的性能。我们的调查结果揭示了如何通过上行链路通信中断和UAV部署影响间歇性的流动。提供了广泛的数值模拟，以显示所提出的间歇模型的模拟和分析性能之间的一致性。
translated by 谷歌翻译