-
题名基于代理选举的高效异构联邦学习方法
- 1
-
-
作者
王光辉
白天水
丁爽
何欣
-
机构
河南大学软件学院
河南省智能网络理论与关键技术国际联合实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第3期688-693,共6页
-
基金
中国博士后科学基金面上资助项目(2020M672217,2020M672211)
河南省重大科技专项(201300210400)
+1 种基金
河南省重点研发与推广专项(科技攻关)(212102210094,222102210133,222102210055)
河南省高等学校重点科研项目(21A520003)。
-
文摘
物联网多样性终端设备在计算、存储、通信方面的异构性导致联邦学习效率不足。针对上述联邦训练过程中面临的问题,基于代理选举思路,提出了一种高效联邦学习算法。设计了基于马氏距离的代理节点选举策略,将设备的计算能力与闲置时长作为选举因素,选举性价比高的设备作为代理节点,充分发挥设备计算能力。进一步设计了基于代理节点的新型云边端联邦学习架构,提升了异构设备之间的联邦学习效率。基于MNIST和CIFAR-10公开数据集与智能家居设备真实数据的实验表明,该联邦学习方法的效率提高了22%。
-
关键词
联邦学习
设备异构
代理选举
云边端
高效性
-
Keywords
federated learning
device heterogeneity
agent election
cloud-edge-end
efficiency
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-