面向医疗物联网设备的联邦学习框架
机器学习
2020-05-12 v1 分布式、并行与集群计算
信号处理
摘要
物联网（IoT）革命已展现出潜力，可催生诸多借助 IoT 设备收集海量医疗数据的医疗应用。然而，对医疗数据隐私与安全日益增长的需求使每台 IoT 设备成为数据孤岛。此外，可穿戴医疗设备的有限计算与通信能力限制了普通联邦学习的应用。为此，我们提出一种进阶联邦学习框架以训练深度神经网络，其中网络被切分并分配至 IoT 设备与中心服务器，随后大部分训练计算由算力强的服务器承担。激活值与梯度的稀疏化显著降低了通信开销。实证研究表明，所提框架保证了低精度损失，同时仅需普通联邦学习中 0.2% 的同步流量。
引用
@article{arxiv.2005.05083,
title = {A Federated Learning Framework for Healthcare IoT devices},
author = {Binhang Yuan and Song Ge and Wenhui Xing},
journal= {arXiv preprint arXiv:2005.05083},
year = {2020}
}