标题 |
![]() AnycostFL:基于异构边缘设备的高效按需联合学习
相关领域
计算机科学
延迟(音频)
架空(工程)
边缘计算
边缘设备
GSM演进的增强数据速率
分布式计算
计算
能源消耗
高效能源利用
趋同(经济学)
计算机工程
人工智能
云计算
算法
电气工程
操作系统
工程类
生物
经济
电信
经济增长
生态学
|
网址 | |
DOI | |
其它 |
摘要: 在这项工作中,我们研究了具有不同资源限制的异构边缘设备上按需联合学习 (FL) 的挑战性问题。我们提出了一个名为 AnycostFL 的成本可调 FL 框架,它使各种边缘设备能够在广泛的效率约束下有效地执行本地更新。为此,我们设计了模型收缩以支持具有弹性计算成本的局部模型训练,并设计了梯度压缩以允许具有动态通信开销的参数传输。以单元方式进行增强的参数聚合,以提高模型性能。专注于 AnycostFL,我们进一步提出了一种优化设计,以最大限度地减少具有个性化延迟和能量约束的全局训练损失。通过揭示收敛分析的理论见解,针对不同设备推导出个性化训练策略,以匹配其本地可用资源。实验结果表明,与最先进的高效联邦学习算法相比,我们的学习框架可以减少高达 1.9 倍的训练延迟和能耗,从而实现合理的全局测试精度。此外,结果还表明,我们的方法显著提高了收敛全局精度。 |
求助人 | |
下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|