基于内在可塑性的储层联邦自适应
神经与进化计算
2022-06-23 v1 机器学习
摘要
我们提出了一种在客户端-服务器场景下使用回声状态网络（ESN）进行联邦学习的新算法。具体而言，我们的方案侧重于通过将内在可塑性（Intrinsic Plasticity）与联邦平均（Federated Averaging）相结合来自适应储层。前者是一种基于梯度的方法，以局部无监督方式自适应储层的非线性，而后者为联邦场景下的学习提供了框架。我们在来自人体监测的真实世界数据集上评估了我们的方法，并与文献中已有的联邦 ESN 方法进行比较。结果表明，使用我们的算法自适应储层显著提升了全局模型的性能。
引用
@article{arxiv.2206.11087,
title = {Federated Adaptation of Reservoirs via Intrinsic Plasticity},
author = {Valerio De Caro and Claudio Gallicchio and Davide Bacciu},
journal= {arXiv preprint arXiv:2206.11087},
year = {2022}
}
备注
6 pages