抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現実世界における連合学習(FL)システムのますます広い展開により,FLにおける公平性を確実にすること,すなわち,多数の多様なクライアントのそれぞれに対して,合理的に満足な性能を確保することは,重要である。本研究では,各クライアントの性能の相対的変化に基づく比例公平性(PF)と呼ばれるFLにおける新しい公平性概念を導入し,研究した。交渉ゲームとの接続から,著者らは,FLにおける比例的公正解を見つけるための新規で容易な実装アルゴリズムであるPropFairを提案し,その収束特性を研究する。視覚と言語データセットに関する広範な実験を通して,PropFairがPF解を近似的に見つけることができ,すべてのクライアントと最悪の10%クライアントの平均性能の間の良好なバランスを達成することを示した。著者らのコードは,ウルル{https://github.com/huawei noah/Federated Learning/tree/main/FairFL}で利用可能である。【JST・京大機械翻訳】