| 标题 |
 Heterogeneity-Aware Federated Learning with Adaptive Client Selection and Gradient Compression 具有自适应客户端选择和梯度压缩的异构感知联合学习
相关领域
计算机科学
加速
上传
选择（遗传算法）
趋同（经济学）
收敛速度
压缩（物理）
匹配（统计）
分布式计算
机器学习
人工智能
并行计算
计算机网络
频道（广播）
统计
材料科学
数学
经济
复合材料
经济增长
操作系统
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 联邦学习 （FL） 允许多个客户端协作训练模型，而无需泄露本地数据。然而，现有的工作未能解决联邦学习中的所有实际问题：有限的通信资源、动态的网络条件和异构的客户端属性，这减缓了联邦学习的融合。为了应对上述挑战，我们提出了一个异构感知的 FL 框架，称为 FedCG，具有自适应客户端选择和梯度压缩。具体来说，参数服务器 （PS） 考虑统计异质性选择一个具有代表性的客户端子集，并将全局模型发送给它们。在本地训练后，这些选定的客户端将与其能力相匹配的压缩模型更新上传到 PS 进行聚合，这大大减轻了通信负载并减轻了落后效应。我们从理论上分析了客户端选择和梯度压缩对收敛性能的影响。在推导的收敛率的指导下，我们开发了一种基于迭代的算法，使用子模最大化和线性规划共同优化客户端选择和压缩率决策。对真实原型和模拟的广泛实验表明，与其他方法相比，FedCG 可以提供高达 5.3× 的加速。 |
| 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。
|
WaitP
孤独尔白
剑指东方是为谁
斯寜
随遇而安
bc
YifanWang
核桃
andrele
pcr163
MchemG
诸葛御风
jyy
七慕凉
genomed
优秀的流沙
Alex
SYLH
调皮黑猫
平常的毛豆
皖公网安备34019202002308
