面向EdgeIoT的水平-垂直混合联邦学习新框架
分布式、并行与集群计算
2024-10-03 v1 机器学习
信号处理
摘要
本文提出了一种新的混合水平-垂直联邦学习(HoVeFL)框架，用于移动边缘计算驱动的物联网(EdgeIoT)。在此框架中，某些EdgeIoT设备使用相同的数据样本但分析不同的数据特征，而其他设备则专注于使用非独立且同分布(non-IID)的数据样本的相同特征。因此，尽管数据特征是一致的，但数据样本在不同设备之间变化。 proposed HoVeFL将本地模型和全局模型的训练 formulated 为最小化全局损失函数。在CIFAR-10和SVHN数据集上进行的性能评估显示，HoVeFL在12个水平联邦学习设备和6个垂直联邦学习设备的配置下，其测试损失分别比仅有6个水平联邦学习设备和12个垂直联邦学习设备的配置高出5.5%和25.2%。
引用
@article{arxiv.2410.01644,
title = {A Novel Framework of Horizontal-Vertical Hybrid Federated Learning for EdgeIoT},
author = {Kai Li and Yilei Liang and Xin Yuan and Wei Ni and Jon Crowcroft and Chau Yuen and Ozgur B. Akan},
journal= {arXiv preprint arXiv:2410.01644},
year = {2024}
}
备注
5 pages, 3 figures