【论文分享】卫星联邦学习：架构设计与收敛性分析

本文探讨了在低地球轨道（低轨）卫星网络中应用联邦边缘学习（FEEL）的架构设计与收敛性分析。随着5G和6G技术的发展，低轨卫星网络因其低延迟和高覆盖率成为研究热点。然而，传统的遥感数据处理方法面临通信成本高和数据隐私问题。本文提出了一种基于星地协同传输的卫星联邦边缘学习方法，通过在轨模型训练减少数据传输，利用激光星间链路提高数据传输率和稳定性，并通过环全归约算法和网络流技术优化模型聚合和传输，有效降低了模型训练的收敛时间并提升了准确率。