联邦学习的精确罚函数法
机器学习
2022-12-06 v2 密码学与安全
摘要
联邦学习近期在机器学习中迅速发展，催生了多种研究课题。流行的优化算法基于（随机）梯度下降方法或交替方向乘子法的框架。在本文中，我们部署一种精确罚函数法来处理联邦学习，并提出一种算法 FedEPM，能够解决联邦学习中的四个关键问题：通信效率、计算复杂度、掉队者效应和数据隐私。此外，证明了该算法收敛，并验证其具有高数值性能。
引用
@article{arxiv.2208.11231,
title = {Exact Penalty Method for Federated Learning},
author = {Shenglong Zhou and and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2208.11231},
year = {2022}
}