文献

J-GLOBAL ID：202202223047484767   整理番号：22A0886642

信頼検証に基づくマルチインデックス連合集約アルゴリズム【JST・京大機械翻訳】

Multi-index Federated Aggregation Algorithm Based on Trusted Verification

著者 (3件)： Bao Zhenshan (The Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Bai Wei (The Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Zhang Wenbo (The Faculty of Information Technology, Beijing University of Technology, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13148  ページ： 412-420  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： スケールにおけるエッジ装置によって収集した分散データの現代現象によって,連合学習は,より良い表現と一般化のために多様なユーザから大量の訓練データを使用することができた。柔軟性とスケーラビリティを改善するために,著者らは,信頼検証(TVFedul)に基づくマルチインデックス連合集合アルゴリズムとして呼ばれる新しい連合最適化アルゴリズムを提案する。TVFedulは,Fedavgアルゴリズムに基づいて最適化して,それは,各々のクライアントの凝集重量を測定するために,参考因子としてデータ量の単一指数だけを取り入れるオリジナルの凝集アルゴリズムによって引き起こす一連の問題を克服する。改良凝集アルゴリズムは,マルチインデックス測定に基づき,それは,全体的判断を作るために,より包括的にクライアントの総合的能力を反映することができた。さらに,指数の重要性を決定するために変化するハイパーパラメータαを導入した。最後に,広範囲な実験を通して,提案したアルゴリズムの効率と有効性を検証した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  凝集 ,  最適化 ,  最適化手法 ,  柔軟性 ,  利用者 ,  有効性
準シソーラス用語： 連合学習 ,  訓練データ ,  データ量 ,  分散学習 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (3件)： 連合学習 ,  集約アルゴリズム ,  分散学習

分類 (3件)： テレビジョン一般  (ND12031N) ,  計算機網  (JC03000K) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (6件)： 信頼 ,  検証 ,  マルチ ,  インデックス ,  集約 ,  アルゴリズム