Quy trình phân bổ tài nguyên Băng thông

Một phần của tài liệu ứng dụng học tăng cường sâu cho tối ưu phân bổ tài nguyên trong hệ thống học liên kết (Trang 47 - 50)

CHƯƠNG 3: QUY TRÌNH VẬN HÀNH VÀ PHÂN BỔ TÀI NGUYÊN

3.1. Quy trình phân bổ tài nguyên Băng thông

Đầu tiên, cần đề cập tới một khái niệm có tên “Hệ thống học liên kết thu hoạch

năng lượng” (Energy Harvesting Federated Learning-EHFL). Đây là một khái niệm

kết hợp giữa hai lĩnh vực chính là "Energy Harvesting""Federated Learning".

1) Energy Harvesting (EH): Energy Harvesting là quá trình tự động thu thập và

lưu trữ năng lượng từ các nguồn tự nhiên như ánh nắng mặt trời, sóng điện từ, hoặc nhiệt độ môi trường. Năng lượng thu được từ các nguồn này sau đó được chuyển đổi và lưu trữ để cung cấp năng lượng cho các thiết bị điện tử hoặc hệ thống mà không cần sử dụng nguồn điện truyền thống.

2) Federated Learning (FL): Federated Learning là một mô hình học máy phân

tán trong đó việc học và cập nhật mô hình được thực hiện trên các thiết bị địa phương (như điện thoại di động hoặc cảm biến) thay vì trên một máy chủ trung tâm. Các mô hình địa phương sau đó được tổng hợp lại để tạo ra một mô hình toàn cầu. Federated Learning giúp bảo vệ quyền riêng tư của người dùng và giảm lưu lượng mạng cần thiết.

Energy Harvesting Federated Learning (EHFL) là sự kết hợp của hai khái niệm này. Trong EHFL, các thiết bị địa phương tham gia vào quá trình học máy phân tán (Federated Learning) được cung cấp năng lượng từ các nguồn thu thập năng lượng tự nhiên (Energy Harvesting) thay vì sử dụng nguồn điện truyền thống hoặc pin. Điều này có thể làm giảm phụ thuộc vào nguồn năng lượng truyền thống và gia tăng tính

di động của các thiết bị tham gia trong quá trình học máy phân tán. EHFL có tiềm năng đặc biệt cho các ứng dụng IoT (Internet of Things) và mạng cảm biến nơi các thiết bị có thể cung cấp năng lượng từ môi trường xung quanh.

Trong bài viết này, chúng ta thiết lập một hệ thống bao gồm Máy chủ (Server/BS) và hệ thống 𝑁 thiết bị IOT (User).

Copies for internal use only in Phenikaa University

3.1.1.Lựa chọn băng thông:

Chúng tôi xem xét một hệ thống học tập thu hoạch năng lượng (EHFL) như trong Hình. Hệ thống bao gồm 𝑁 thiết bị IoT giao tiếp với chủ sở hữu mô hình thông qua máy chủ/trạm cơ sở di động (BS).

Ở đây, chúng ta xem xét việc kết nối hệ thông Học liên kết với các Mạng chính (PNs-Primary Networks). Đây là một hệ thống các trạm phát được bố trí quanh hệ thống và cung cấp tài nguyên băng thông để phục vụ cho quá trình truyền tải. Các PN này lưu trữ một số lượng các băng thông, và gửi yêu cầu đến cho Máy chủ, ta mặc định rằng PN nào có chi phí rẻ nhất sẽ được chọn lựa. Giả sử một PN 𝑚 bất kì gửi yêu cầu 𝑐𝑚 tới cho BS, khi đó BS sẽ chọn ra PN thứ 𝑗 có chi phí thấp nhất:

𝑗 = arg min 𝑐𝑚

PN thứ 𝑗 có một số lượng 𝐵𝑗 các khối tài nguyên băng thông (Resource Blocks- RBs). Mỗi khối block có dung lượng băng thông 𝐵. Khi đó tổng số băng thông mà

PN cung cấp cho hệ thống là:

𝑊 = |𝐵|. |𝐵𝑗|

Băng thông được chia đều cho số lượng User, tức là, đối với mỗi User 𝑖 trong

hệ thống 𝑁 sẽ có được chia một lượng Băng thông tương ứng với:

𝑊𝑖 =𝑊

𝑁 =|𝐵|. |𝐵𝑗|

𝑁

3.1.2.Năng lượng thu hoạch cho các thiết bị:

Trong quá trình đào tạo dữ liệu và truyền tải tham số, hệ thống cần cung cấp một nguồn năng lượng nhất định để duy trì sự ổn định và vận hành. Các máy cục bộ

có thể sạc pin, tuy nhiên, để phòng trường hợp bị ngắt điện giữa chừng, Máy chủ BS

sẽ truyền năng lượng cho các User, điều này đảm bảo rằng không có sự cố về năng lượng trong suốt quá trình vận hành hệ thống.

Copies for internal use only in Phenikaa University

Nguồn năng lượng truyền xuống từ BS cho các User có dạng sóng, được thu lại thông qua ăng-ten hoặc bất kì dụng cụ nào khác, sau khi thu được tín hiệu, các User tiến hành chuyển đối năng lượng tín hiệu trên thành nguồn năng lượng vận hành cho máy. Trong quá trình chuyển đổi, ta có thể bỏ qua các nhiễu tín hiệu và các ảnh hưởng ngoại vi bên ngoài do chúng không đáng kể. Công suất thu hoạch năng lượng cho User 𝑖 được tính theo công thức:

𝑃𝑖ℎ𝑎𝑟𝑣 = ξ𝑃ℎ𝑖𝑑𝑖−α (W) trong đó:

• ξ 𝜖 [0,1] là hiệu suất chuyển đổi năng lượng

• ℎ𝑖 là giá trị của “small-scale fading”, hay “mất mát tín hiệu không dây do biến

đổi tín hiệu”

• 𝑑𝑖 là khoảng cách giữa User và BS

• α là giá trị của “Path-loss exponen“ đo lường mức độ mất mát tín hiệu (hay giảm công suất tín hiệu) khi tín hiệu di chuyển qua không gian và xa khỏi nguồn phát.

Năng lượng mà User thu thập được trong quá trình này là:

𝑒𝑖ℎ𝑎𝑟𝑣 = 𝑃𝑖ℎ𝑎𝑟𝑣. 𝑡𝑖ℎ𝑎𝑟𝑣 (J)

Sau khi thu hoạch năng lượng 𝑒𝑖ℎ𝑎𝑟𝑣 , User sử dụng tổng năng lượng sẵn có để huấn luyện mô hình cục bộ và truyền mô hình lượng tử hóa đến BS. Năng lượng khi

đó của User 𝑖 là:

𝑒𝑖 = min(𝑒𝑖,0+ 𝑒𝑖ℎ𝑎𝑟𝑣, 𝐸𝑖) (J)

trong đó e i,0 là năng lượng còn lại của người dùng i trước khi sạc và Ei là dung lượng lưu trữ năng lượng của người dùng đó

Copies for internal use only in Phenikaa University

Hình 3.1: Hệ thống học liên kết thu hoạch năng lượng

Một phần của tài liệu ứng dụng học tăng cường sâu cho tối ưu phân bổ tài nguyên trong hệ thống học liên kết (Trang 47 - 50)

Tải bản đầy đủ (PDF)

(74 trang)