Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

FedAPA: Federated Learning with Adaptive Prototype Aggregation Toward Heterogeneous Wi-Fi CSI-based Crowd Counting

Created by
  • Haebom
Category
Empty

저자

Jingtao Guo, Yuyi Mao, Ivan Wang-Hei Ho

FedAPA: Adaptive Prototype Aggregation for Collaborative Wi-Fi CSI-Based Sensing

개요

본 논문은 Wi-Fi CSI 기반 센싱의 대규모 배포를 위한 새로운 알고리즘인 FedAPA를 제안합니다. FedAPA는 연합 학습(Federated Learning, FL)을 활용하여 현장별 훈련 데이터의 필요성을 줄이고, 적응형 프로토타입 집계(APA) 전략을 통해 클라이언트의 기여도를 조정합니다. 또한, 분류 학습과 표현 대비 학습을 결합한 하이브리드 목표를 사용하여 지역 및 글로벌 지식을 정렬합니다. 실제 Wi-Fi 기반 군중 계수 시나리오에서 FedAPA의 성능을 평가하며, 기존 방법보다 정확도, F1 점수, 평균 절대 오차(MAE) 및 통신 오버헤드 측면에서 우수한 결과를 보임을 입증합니다.

시사점, 한계점

•
시사점:
◦
Wi-Fi CSI 기반 센싱에서 대규모 배포의 주요 과제인 현장별 훈련 데이터 의존성을 해결하는 연합 학습 기반 알고리즘 제안.
◦
APA 전략을 통해 클라이언트의 기여도를 적응적으로 조정하고 각 클라이언트에 대한 개인화된 글로벌 프로토타입을 생성하여, 이질적인 센싱 데이터와 장치 리소스의 문제를 해결.
◦
분류 학습과 표현 대비 학습을 결합한 하이브리드 목표를 통해 로컬 및 글로벌 지식 정렬.
◦
실제 환경에서의 실험을 통해 기존 baseline 대비 우수한 성능 입증.
◦
통신 오버헤드 감소.
•
한계점:
◦
본 논문에서 구체적인 한계점에 대한 언급은 없음.
👍
Made with Slashpage