时间偏移下去中心化深度学习的概念感知聚类
机器学习
2023-06-23 v1
摘要
去中心化深度学习需要处理跨客户端非独立同分布（non-iid）数据，这些数据也可能因时间偏移而随时间变化。尽管非独立同分布数据在分布式环境中已被广泛研究，时间偏移却未受到关注。据我们所知，我们是首个解决具有非独立同分布与动态数据的去中心化学习这一新颖且具挑战性问题的。我们提出了一种新颖算法，能够在无任何先验知识或概念数量估计的情况下，自动发现并适应网络中演化的概念。我们在标准基准数据集上评估了我们的算法，并证明其优于先前的去中心化学习方法。
引用
@article{arxiv.2306.12768,
title = {Concept-aware clustering for decentralized deep learning under temporal shift},
author = {Marcus Toftås and Emilie Klefbom and Edvin Listo Zec and Martin Willbo and Olof Mogren},
journal= {arXiv preprint arXiv:2306.12768},
year = {2023}
}
备注
4 pages, 2 figures