基于单次通信的联邦近视社区检测
机器学习
2022-09-12 v1 机器学习
摘要
在本文中，我们研究在联邦近视学习下恢复网络社区结构的问题。在此范式下，我们有若干客户端，每个客户端具有近视视图，即仅观察到网络的一个小 subgraph。每个客户端向中心服务器发送一个经过审查的证据图。我们提供了一种高效算法，该算法从客户端证据中计算一个共识带符号加权图，并在中心服务器中恢复底层网络结构。我们分析了允许恢复网络结构的网络的拓扑结构条件，以及客户端的信号与噪声水平。我们的分析表明精确恢复是可能的，并且可以在多项式时间内实现。我们还提供了中心服务器从任一单个客户端证据中恢复网络结构的信息论极限。最后，作为我们分析的一个副产品，我们给出了一个针对一般带符号加权图的新型 Cheeger 型不等式。
引用
@article{arxiv.2106.07255,
title = {Federated Myopic Community Detection with One-shot Communication},
author = {Chuyang Ke and Jean Honorio},
journal= {arXiv preprint arXiv:2106.07255},
year = {2022}
}