MMMay, 2022
网络边缘联邦学习中通讯与学习的权衡
Towards Communication-Learning Trade-off for Federated Learning at the Network Edge
Jianyang Ren, Wanli Ni, Hui Tian
TL;DR该研究旨在解决通信与学习之间的折衷问题。通过在有限资源的本地用户中应用网络修剪，通过推导非凸损失函数的收敛速度来量化网络修剪和数据包错误对学习性能的影响，提出了修剪控制和带宽分配的封闭式解决方案，以最小化 FL 延迟和 FL 性能的加权和。结果表明，我们提出的解决方案在成本降低和准确性保证方面优于基准，并且更高的修剪率会带来更少的通信开销，但也会降低 FL 准确性，这与我们的理论分析一致。