作为平均场博弈的联邦学习
机器学习
2021-07-09 v1 机器学习
动力系统
最优化与控制
概率论
摘要
我们在机器学习中的联邦学习与博弈论及控制论中的平均场博弈之间建立联系。在此类比中，局部联邦学习器被视为参与者，而中央服务器中对梯度的聚合即为平均场效应。我们将联邦学习表述为微分博弈，并讨论该博弈均衡的性质。我们希望这一联邦学习的新视角能将这两个不同领域的研究者汇聚起来，共同致力于大规模分布式与隐私保护学习算法的基本问题。
引用
@article{arxiv.2107.03770,
title = {Federated Learning as a Mean-Field Game},
author = {Arash Mehrjou},
journal= {arXiv preprint arXiv:2107.03770},
year = {2021}
}