Feb, 2022

异构无线网络中动态分布式模型训练的并行连续学习

TL;DR本文对联邦学习进行了拓展,提出了并行连续学习 (PSL),利用 PSL 的框架,实现了从三个方面的拓展:网络(通过设备之间的设备对设备通信进行分散合作),异构性(考虑到训练设备之间的数量、数据来源和性能差异),以及接近度(设备之间不同的距离和不同的访问点)。PSL 实现了模型的分散和本地模型凝聚作为联邦学习方法的一部分,并提出了网络感知动态模型跟踪以优化模型学习和资源效率之间的权衡。