Sep, 2023
REWAFL：面向移动设备的高效联合学习的剩余能量和无线感知参与者选择
REWAFL: Residual Energy and Wireless Aware Participant Selection for Efficient Federated Learning over Mobile Devices
Y. Li, X. Qin, J. Geng, R. Chen, Y. Hou...
TL;DR为了实现在移动设备上部署联邦学习 (FL) 所必需的加速 FL 收敛，本文提出了一种针对移动设备的残余能量和无线感知的参与者选择 (PS) 设计，称为 REWAFL。REWAFL 引入了一个新颖的 PS 效用函数，综合考虑了全局 FL 训练效用和本地能量效用，将能量消耗和候选移动设备的剩余电池能量进行集成。在所提出的 PS 效用函数框架下，REWAFL 进一步提出了一个针对残余能量和无线感知的本地计算策略，并将陈旧问题的解决方法融入到其效用函数和本地计算策略中。实验结果表明，REWAFL 在提高训练准确性和效率方面是有效的，同时避免了移动设备的 “电池耗尽”。