FedAIoT：面向人工智能物联网的联邦学习基准
机器学习
2024-08-23 v3 分布式、并行与集群计算
数字图书馆
摘要
联邦学习（FL）在人工智能物联网（AIoT）领域具有显著的相关性。然而，大多数现有的 FL 工作未使用从真实物联网设备收集的数据集，因此未能捕捉物联网数据独特的模态与固有挑战。为填补这一关键空白，在本工作中，我们引入了 FedAIoT，一个面向 AIoT 的 FL 基准。FedAIoT 包含从广泛物联网设备收集的八个数据集。这些数据集涵盖了独特的物联网模态并面向 AIoT 的代表性应用。FedAIoT 还包括一个统一的端到端 FL 框架，用于简化数据集性能的基准测试。我们的基准结果揭示了 AIoT 中 FL 的机遇与挑战。我们希望 FedAIoT 能作为宝贵资源，促进 AIoT 这一重要 FL 领域的进展。FedAIoT 的代码库维护于 https://github.com/AIoT-MLSys-Lab/FedAIoT。
引用
@article{arxiv.2310.00109,
title = {FedAIoT: A Federated Learning Benchmark for Artificial Intelligence of Things},
author = {Samiul Alam and Tuo Zhang and Tiantian Feng and Hui Shen and Zhichao Cao and Dong Zhao and JeongGil Ko and Kiran Somasundaram and Shrikanth S. Narayanan and Salman Avestimehr and Mi Zhang},
journal= {arXiv preprint arXiv:2310.00109},
year = {2024}
}
备注
Camera-ready version of the Journal of Data-centric Machine Learning Research (DMLR)