BriefGPT.xyz
Ask
alpha
关键词
aggregation weights
搜索结果 - 5
异构联邦学习的稳健模型聚合:分析与优化
通过引入时间驱动的异步聚合策略,以及使用区分性模型选择算法,提出了一种针对异构系统的同步联邦学习框架,该框架在提高系统效率和鲁棒性的同时,实现了对传统同步联邦学习的延迟减少 50% 和学习准确性平均提高 3% 的改进。
PDF
2 months ago
基于合同理论的异步联邦学习与激励机制
我们提出了一种新颖的异步联邦学习框架,该框架整合了基于合同理论的激励机制,通过自适应地调整客户端的本地模型训练轮数来最大化任务发布者的效用,考虑到时间延迟和测试准确性等因素。通过在 MNIST 数据集上进行的实验,模拟结果表明,我们的框架比
→
PDF
9 months ago
应对联邦平均中未知参与概率的轻量级方法
本文针对联邦学习中客户端参与率未知的问题,提出了一种名为 FedAU 的算法,该算法基于在线估计的最优权重自适应地加权客户端更新,并使用新的方法论将估计误差与收敛连接,理论分析表明 FedAU 收敛于原始目标的最优解且具有线性加速的优良特性
→
PDF
a year ago
ICML
FedDisco:基于 Discrepancy-Aware 协作的联邦学习
本研究考虑联邦学习领域的类别分布异质性问题,提出了一种基于数据集大小和局部与全局类别分布差异值的聚合权重调整方法(FedDisco),该方法在隐私保护、通信和计算效率上表现优异。
PDF
a year ago
联邦学习中客户端抽样的一般理论
本研究提供了一个理论框架,量化了客户端抽样方案以及客户端异质性对联邦优化的影响,并建议在非 IID 和不平衡的场景下使用多项式分布采样作为默认采样方案。
PDF
3 years ago
Prev
Next