連合マルチミニバッチ:非IID環境における連合学習への効率的なトレーニングアプローチ【JST・京大機械翻訳】

Nasirigerdeh Reza; Bakhtiari Mohammad; Torkzadehmahani Reihaneh; Bayat Amirhossein; List Markus; Blumenthal David B.; Baumbach Jan

プレプリント

J-GLOBAL ID：202202207961934549 整理番号：21P0061088

連合マルチミニバッチ:非IID環境における連合学習への効率的なトレーニングアプローチ【JST・京大機械翻訳】

Federated Multi-Mini-Batch: An Efficient Training Approach to Federated Learning in Non-IID Environments

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 (7件)： , , , , , ,
資料名：
発行年： 2020年11月13日プレプリントサーバーでの情報更新日： 2021年07月03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)

反復学習は,特にデータが独立で,クライアントを横断して同一に分散(IID)する環境において,性能とネットワーク通信課題に直面した。前者の課題に取り組むために,著者らは,連合した集中化一致特性を導入し,連合した単一ミニバッチ訓練アプローチが,非IID環境における対応する集中訓練と同等の性能を達成できることを示した。後者を扱うため,筆者らは連合マルチミニバッチアプローチを提示し,その性能と通信効率の間のトレードオフを確立でき,非IID設定における連合平均化より優れていることを示した。【JST・京大機械翻訳】

, , , 【Automatic Indexing@JST】

計算機網 , データ保護

, ,

前のページに戻る