基于异构设备的自适应分配编码器的联邦学习

作     者：刘乐 武淑红 于丹 马垚 陈永乐 LIU Le;WU Shu-hong;YU Dan;MA Yao;CHEN Yong-le

作者机构：太原理工大学信息与计算机学院山西晋中030600 

基　　金：山西省基础研究计划基金项目(20210302123131、20210302124395) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2024年第45卷第9期

页      码：2569-2576页

摘      要：在联邦学习中,不同用户的设备计算、通信、储存能力存在很大差别,容易产生掉队等不公平问题,对现有的联邦学习提出重大挑战。为解决这一问题,提出一种自适应编码器分配模型(federated learning adaptive encoders,FedAE),根据设备的性能将不同编码器组合发送给用户进行本地更新,在服务器端对相应的编码器进行参数聚合。通过这样按需分配,使得所有设备充分发挥设备性能,保证公平。FedAE通过级联分类器进行分类处理,提高模型整体的准确性,节省计算资源。通过实验对比准确度、收敛性快慢等方面,FedAE在解决设备异构问题上提供了更好的方案。

主 题 词：联邦学习 数据异质性 设备异构 自适应分配 异构框架 编码器 计算资源 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2024.09.002

馆 藏 号：203143370...