通过反馈控制联邦学习中的客户参与度
机器学习
2025-05-28 v2 最优化与控制
摘要
我们解决了联邦学习中客户端参与度的问题，其中传统方法通常依赖于为每个训练轮次随机选择少量客户端子集。在 contrast，我们提出FedBack，一种基于控制理论原理的确定性方法，用于管理ADMM-based联邦学习中的客户端参与度。FedBack将客户端参与建模为离散时间 dynamical system，并采用积分反馈控制器根据每个客户端的优化动力学调整其参与率。我们通过构建于最近联邦学习研究之上的方法，为该方法提供了全局收敛保证。在联邦图像分类上的数值实验表明，FedBack在通信和计算效率方面相对于依赖随机客户端选择的算法实现了最高可达50%的改进。
引用
@article{arxiv.2411.19242,
title = {Controlling Participation in Federated Learning with Feedback},
author = {Michael Cummins and Guner Dilsad Er and Michael Muehlebach},
journal= {arXiv preprint arXiv:2411.19242},
year = {2025}
}
备注
L4DC 2025