May, 2024
基于 MARL 的能源感知联邦学习:一种模型和客户的双重选择方法
Towards Energy-Aware Federated Learning via MARL: A Dual-Selection Approach for Model and Client
Jun Xia, Yiyu Shi
TL;DR提出了一种考虑能量限制的分布式学习框架 DR-FL,通过采用双选择方法,使得参与的设备可以根据其计算能力和能量容量在多智能体强化学习的方式下有效地对全局模型做出贡献,从而在大规模 AIoT 系统的能量限制下实现异构模型之间的最大知识共享和改善每个参与的异构设备的模型性能。