Algorithm and convergence analysis of the federated learning model of flight a drone swarm

Abstract

Представлен анализ возможности применения сравнительно новой и хорошо зарекомендовавшей себя методики машинного обучения для распределенной си-стемы сбора и обработки информации – федеративного обучения моделей, использую-щейся для выполнения полета роем дронов, как группы агентов с точки зрения передачи накопленных данных и обучения модели искусственного интеллекта. Описана схема ра-боты федеративного обучения для группы беспилотных летательных аппаратов (БПЛА). Особое внимание уделено понятию конвергенции (сходимости) в машинном обучении. The purpose of this study is to review and analyze the application of a relative-ly new and well–proven machine learning methodology for a distributed information collection and processing system – federated model training used to fly a swarm of drones as a group of agents in terms of transferring accumulated data and training an artificial intelligence model. The scheme of federal training for a group of unmanned aerial vehicles (UAV) is described. Special attention is paid to the concept of convergence in machine learning.