文献

J-GLOBAL ID：202202240640011796   整理番号：22A1163607

エッジ上の不均一性を意識した確率的同期並列による連合学習【JST・京大機械翻訳】

Federated Learning With Heterogeneity-Aware Probabilistic Synchronous Parallel on Edge

著者 (9件)： Zhao Jianxin (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Han Rui (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Yang Yongkai (TravelSky Technology Limited, Beijing Engineering Research Center of Civil Aviation Big Data, Beijing, China) ,  Catterall Benjamin (Department of Computer Science and Technology, University of Cambridge, Cambridge, U.K.) ,  Liu Chi Harold (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Chen Lydia Y. (Department of Computer Science, Technology University Delft, Delft, The Netherlands) ,  Mortier Richard (Department of Computer Science and Technology, University of Cambridge, Cambridge, U.K.) ,  Crowcroft Jon (Department of Computer Science and Technology, University of Cambridge, Cambridge, U.K.) ,  Wang Liang (Department of Computer Science and Technology, University of Cambridge, Cambridge, U.K.)
資料名： IEEE Transactions on Services Computing  (IEEE Transactions on Services Computing)
巻： 15  号： 2  ページ： 614-626  発行年： 2022年 
JST資料番号： W2437A  ISSN： 1939-1374  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 移動装置から発生する大量のデータとエッジ装置の計算電力の増加によって,Fedated学習のパラダイムは,大きな運動量を引きつけた。連合学習において,分散および不均一ノードは,モデルパラメータを学習するために協調した。しかし,設計および縮小待ち時間によるプライバシーのような利点を提供する一方で,異種ネットワークは,システム進展およびモデル収束などに関して,訓練で使用される同期方法またはバリア制御方法に対する課題を提示する。これらの障壁機構の設計は,連合学習システムの性能とスケーラビリティにとって重要である。確率的同期並列(PSP)と呼ばれる新しい障壁制御法を提案した。既存の機構とは対照的に,既存の障壁制御機構で構成するサンプリングプリミティブを導入し,収束速度とスケーラビリティを改善した一連の機構を生成した。著者らの提案はPSPベースのSGDアルゴリズムの収束解析により支持された。実際に,PSPの効率をさらに改善する発見的技法を提案した。連合学習特異的FEMNSITデータセットを用いて提案手法の性能を評価する。評価結果は,PSPが効果的にシステム効率とモデル精度の間の良いバランスを達成して,連合学習における不均一性の挑戦を緩和することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. 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 ,  運動量 ,  *確率 ,  収束 ,  速度 ,  *学習 ,  技術 ,  電力 ,  プライバシー ,  制御方式 ,  待ち時間 ,  同期 ,  不均一性
準シソーラス用語： 収束速度 ,  モデルパラメータ ,  学習支援システム , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  計算理論  (JB02000A) ,  無線通信一般  (ND08010L) ,  その他の情報処理  (JE15050M) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： エッジ ,  不均一性 ,  意識 ,  確率 ,  学習