Scidown文献预览系统!
高效沟通的联邦学习( Communication-efficient federated learning )
M Chen N Shlezinger HV Poor YC Eldar S Cui
联邦学习(Federated learning,FL)使边缘设备,如物联网设备(如传感器)、服务器和机构(如医院),能够协作地训练机器学习(ML)模型,而无需共享它们的私有数据。FL要求设备迭代交换ML参数,因此联合学习可靠模型所需的时间不仅取决于训练步数,而且取决于每步ML参数的传输时间。在实践中,FL参数传输通常由多个参与设备在资源有限的通信网络上执行,例如具有有限带宽和功率的无线网络。因此,来自边缘设备的重复FL参数传输会导致显著的延迟,该延迟可能比ML模型训练时间大几个数量级。因此,通信时延是FL的一个主要瓶颈。在此,提出了一种通信高效的模糊逻辑框架,以共同提高模糊逻辑的收敛时间和训练损失。在该框架中,设计了一种概率设备选择方案,使得能够显著提高收敛速度和训练损失的设备具有更高的被选择用于ML模型传输的概率。为了进一步缩短FL的收敛时间,提出了一种量化方法来减少设备间模型参数的交换量,并提出了一种高效的无线资源分配方案。仿真结果表明,与标准模糊逻辑相比,该框架的辨识精度和收敛时间分别提高了3.6%和87%。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】