Oct, 2020
个性化联邦学习的下界和最优算法
Lower Bounds and Optimal Algorithms for Personalized Federated Learning
Filip Hanzely, Slavomír Hanzely, Samuel Horváth, Peter Richtárik
TL;DR本研究考虑了最近由 Hanzely 和 Richtarik (2020) 提出的个性化联邦学习的优化问题,并为该模型的通讯复杂度和本地预测通用复杂度建立了第一个下界。我们设计了几种最优方法来匹配这些下界,并通过大量的数字实验展示了我们的方法的实用优越性。