Coded Distributed Gaussian Process Regression

Nikita Zeulin, Olga Galinina, Nageen Himayat, Sergey Andreev

Tutkimustuotos: ArtikkeliScientificvertaisarvioitu

1 Lataukset (Pure)

Abstrakti

In this letter, we propose a coded load balancing method for distributed Gaussian process regression over heterogeneous wireless networks, where users with diverse computational and communications capabilities may offload excessive training data onto a computationally stronger central server to reduce collaborative processing times. The offloaded data are transformed using random Fourier feature mapping and encoded with a random orthogonal matrix to prevent transmission of raw data. The proposed method is particularly applicable to compute-intensive applications, where users operate with large datasets.
AlkuperäiskieliEnglanti
Sivut372-376
JulkaisuIEEE Communications Letters
Vuosikerta27
Numero1
Varhainen verkossa julkaisun päivämäärä3 lokak. 2022
DOI - pysyväislinkit
TilaJulkaistu - tammik. 2023
OKM-julkaisutyyppiA1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä

Julkaisufoorumi-taso

  • Jufo-taso 2

Sormenjälki

Sukella tutkimusaiheisiin 'Coded Distributed Gaussian Process Regression'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä