通过不精确 ADMM 进行联邦学习
最优化与控制
2023-09-26 v4 机器学习
摘要
联邦学习中的关键问题之一是如何开发高效的优化算法。当前大多数算法要求全部设备参与和/或对收敛施加强假设。与广泛使用的基于梯度下降的算法不同，本文中我们开发了一种不精确交替方向乘子法 (ADMM)，其在计算和通信上均高效，能够克服掉队者效应，并在温和条件下收敛。此外，相较于若干联邦学习的最先进算法，它具有较高的数值性能。
引用
@article{arxiv.2204.10607,
title = {Federated Learning via Inexact ADMM},
author = {Shenglong Zhou and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2204.10607},
year = {2023}
}