基于超梯度的联邦学习聚合权重在线更新
机器学习
2026-05-04 v1 信号处理
摘要
使用移动设备和物联网设备的联邦学习不仅需要处理客户端数据分布的异构性，还需要高度适应变化的通信环境。我们提出了FedHAW(联邦学习，基于超梯度的聚合权重在线更新)，实现聚合权重的在线更新。FedHAW通过使用超梯度——即目标函数相对于权重的梯度来更新聚合权重，这种计算开销较低。仿真结果表明，所提方法在异构环境中表现出高泛化性能，对通信错误具有高度鲁棒性。
引用
@article{arxiv.2605.00458,
title = {Federated Learning with Hypergradient-based Online Update of Aggregation Weights},
author = {Ayano Nakai-Kasai and Tadashi Wadayama},
journal= {arXiv preprint arXiv:2605.00458},
year = {2026}
}