FedGiA:連合学習のための効率的なハイブリッドアルゴリズム【JST機械翻訳】

Zhou Shenglong; Li Geoffrey Ye

プレプリント

J-GLOBAL ID：202202202107894906 整理番号：22P0342627

FedGiA:連合学習のための効率的なハイブリッドアルゴリズム【JST機械翻訳】

FedGiA: An Efficient Hybrid Algorithm for Federated Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年05月03日プレプリントサーバーでの情報更新日： 2024年04月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

連合学習は最近その進歩を示しているが,アルゴリズムが通信資源を節約し,計算コストを低減する方法,およびそれらが収束するかどうかなどの多くの課題に直面している。これらの重要な問題に対処するために,筆者らは,勾配降下法と乗算器の不正確な交互方向法を組み合わせたハイブリッド連合学習アルゴリズム(FedGiA)を提案した。提案したアルゴリズムは,理論的および数値的にいくつかの最先端のアルゴリズムよりも通信および計算に効率的であった。さらに,それは穏やかな条件下でグローバルに収束する。【JST機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

中枢神経系 , 人工知能

前のページに戻る