关键词decentralised federated learning
搜索结果 - 2
- 分散式联邦学习中的初始化与拓扑效果
去中心化联邦学习,在保持训练数据本地化的同时,能够在网络上分布式设备上进行个体机器学习模型的协作训练。我们的研究强调了去中心化联邦学习的有效性受连接设备的网络拓扑结构的显著影响。通过简化的数值模型研究这些系统的早期行为,我们得出了一种改进的 - 无协调的复杂网络分散式联邦学习:克服异构性
在高度普及的边缘场景中,缺乏中央控制器和预定的设备连接导致了复杂的网络结构,我们提出了一种通信高效的分散式联邦学习(DFL)算法来解决由数据和不同训练历史引起的异构学习难题,研究结果表明,与竞争方法相比,我们的解决方案能够训练出更好的本地模