基于标签量信息的联邦学习节点选择算法

作     者：马嘉华 孙兴华 夏文超 王玺钧 谭洪舟 朱洪波 MA Jiahua;SUN Xinghua;XIA Wenchao;WANG Xijun;TAN Hongzhou;ZHU Hongbo

作者机构：中山大学广东广州510006 南京邮电大学江苏南京210023 

基　　金：国家重点研发计划(No.2019YFE0114000) 国家自然科学基金资助项目(No.92067201) 江苏省自然科学基金资助项目(No.BK20212001) 广东省基础与应用基础研究基金资助项目(No.2021A1515012631,No.2019A1515011906) 

出 版 物：《物联网学报》 (Chinese Journal on Internet of Things)

年 卷 期：2021年第5卷第4期

页      码：46-53页

摘      要：针对节点数据分布差异给联邦学习算法性能带来不良影响的问题,提出了一个基于标签量信息的节点选择算法。算法设计了一个关于节点标签量信息的优化目标,考虑在一定时耗限制下选择标签分布尽可能均衡的节点组合优化问题。根据节点组合的综合标签分布与模型收敛的相关性,新算法降低了全局模型的权重偏移上界以改善算法的收敛稳定性。仿真验证了新算法与现有的节点选择算法相比拥有更高的收敛效率。

主 题 词：联邦学习 节点选择 通信时延 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.11959/j.issn.2096−3750.2021.00249

馆 藏 号：203106979...