asynchronous fl | BriefGPT - AI 论文速递

关键词asynchronous fl

搜索结果 - 8

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。
PDF2 months ago
CaBaFL：异步分层缓存和特征平衡的联合异步学习
CaBaFL 是一种新颖的异步联邦学习方法，通过采用层次化基于缓存的聚合机制和基于特征平衡的设备选择策略，实现了对分布式人工智能物联网设备中存在的混乱与数据不平衡问题的有效解决，实验结果显示相比于现有的联邦学习方法，CaBaFL 实现了高达
PDF3 months ago
異構聯邦學習中以歷史為鑑
该论文提出了一种名为 Federated Historical Learning (FedHist) 的新型异步联邦学习框架，通过对服务器上缓存的历史全局梯度进行加权融合来解决了非 IID 数据和梯度滞后所带来的挑战，同时引入了一种智能的
PDF7 months ago
MM异步无线联邦学习与概率客户端选择
通过联邦学习解决异步模式下的执行阻塞问题，提出利用概率选择客户端和带宽分配来优化异步联邦学习的收敛速度和移动能源消耗的问题，并通过实验验证了该方法的优越性。
PDF7 months ago
TimelyFL: 自适应局部训练的异步异构联邦学习
TimelyFL 是一个异步的 FL 框架，它具有自适应的部分训练能力，用于处理异构设备之间的差异和连接不可靠性。实验表明，与现有同类方法相比，它提高了参与率 21.13％，收敛率 1.28-2.89 倍，测试精度提高了 6.25％。
PDFa year ago
异构设备上的异步联邦学习：综述
该研究基于一项新的分类机制，综合分析和总结了现有各种异步 FL 范式，包括异构设备上的设备异构性、数据异构性、隐私和安全性，以及异构设备上的应用。该研究揭示了该领域面临的挑战并提出了潜在的研究方向。
PDF3 years ago
MMLEO 卫星星座中的地面辅助联邦学习
本文提出了基于联邦学习（FL）的新算法，包括一种基于 FedAvg 的新型异步 FL 过程，对 MNIST 和 CIFAR-10 数据集进行的广泛数字评估表明，该方法具有快速收敛速度和优异的渐进测试准确性，可用于解决卫星成像的推理等问题。
PDF3 years ago
ICML带缓存异步聚合的联邦学习
本文提出了一种新的缓存异步聚合方法 FedBuff，它结合了同步和异步 federated learning 的最佳属性，可在不影响系统隐私的情况下提高效率，大大缓解了跨设备联合学习中的可扩展性和隐私问题。
PDF3 years ago