面向设备端个性化的联邦评估与调优：系统设计与应用
机器学习
2021-02-18 v1
摘要
我们描述了我们的联邦任务处理系统的设计。最初，该系统是为支持两项特定的联邦任务而创建的：设备端机器学习系统的评估与调优，主要目的是对这些系统进行个性化。近年来，我们增加了对另一项联邦任务的支持：深度神经网络的联邦学习（FL）。据我们所知，文献中仅描述了另一个支持大规模FL的系统。我们包含与该系统的比较，以帮助讨论设计决策及其附带的权衡。最后，我们详细描述了两个特定的大规模个性化用例，以展示联邦调优对设备端个性化的适用性，并突出特定应用的解决方案。
引用
@article{arxiv.2102.08503,
title = {Federated Evaluation and Tuning for On-Device Personalization: System Design & Applications},
author = {Matthias Paulik and Matt Seigel and Henry Mason and Dominic Telaar and Joris Kluivers and Rogier van Dalen and Chi Wai Lau and Luke Carlson and Filip Granqvist and Chris Vandevelde and Sudeep Agarwal and Julien Freudiger and Andrew Byde and Abhishek Bhowmick and Gaurav Kapoor and Si Beaumont and Áine Cahill and Dominic Hughes and Omid Javidbakht and Fei Dong and Rehan Rishi and Stanley Hung},
journal= {arXiv preprint arXiv:2102.08503},
year = {2021}
}
备注
11 pages, 1 figure