自己意識型個人連合学習【JST・京大機械翻訳】

Chen Huili; Ding Jie; Tramel Eric; Wu Shuang; Sahu Anit Kumar; Avestimehr Salman; Zhang Tao

プレプリント

J-GLOBAL ID：202202221026128324 整理番号：22P0333357

自己意識型個人連合学習【JST・京大機械翻訳】

Self-Aware Personalized 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 (7件)： , , , , , ,
資料名：
発行年： 2022年04月17日プレプリントサーバーでの情報更新日： 2022年04月17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)

個人と地球規模の目的が正確に整列しない場合,個人化連合学習(FL)の文脈において,限界課題は局所モデル改善とグローバルモデル調整のバランスをとることである。Bayes階層モデルに触発されて,著者らは,各クライアントが,その局所個人モデルの訓練と,他のクライアントの訓練に暗黙的に貢献する大域的モデルを自動的にバランスできる自己意識型個人化FL法を開発する。このようなバランスは,クライアント間および内部不確実性定量化から導かれる。より大きなクライアント間変動は,より多くの個人化が必要であることを意味する。対応して,著者らの方法は,従来の局所微調整とサンプルサイズベースの凝集の代わりに,不確実性駆動局所訓練ステップと凝集規則を使用する。合成データ,アマゾンAlexaオーディオデータ,およびMNIST,FEMNIST,CIFAR10,およびSent140のような公開データセットに関する実験的研究により,提案手法が既存の対応物と比較して大幅に改善された個人化性能を達成できることを示した。【JST・京大機械翻訳】

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

人工知能 , 検索技術 , 計算機網

, ,

前のページに戻る